tensorflow MySQL_tensorflow从入门到放弃....
Tensorflow是怎样运作的?
1. 导入或生成数据集
2. 对数据进行标准化
3. 将数据集划分成三部分:训练集、测试集合验证(validation)集:验证集用于调整假设参数,以获取一组最好的假设参数
4. 设定算法参数
5. 初始化变量(Variable)和占位符(Placeholder)
6. 定义模型结构
7. 声明损失函数
8. 初始化并训练模型
9. 评估模型
10. 调整假设参数
11. 部署/预测新的输出
声明变量(Variable)和张量(Tensor)
固定张量:
创建一个由0填充的张量:
zero_tsr = tf.zeros([row_dim, col_dim])
创建一个由1填充的张量:
ones_tsr = tf.ones([row_dim, col_dim])
创建一个由常数填充的张量:
filled_tsr = tf.fill([row_dim, col_dim], 42)
创建一个张量类型的常数
constant_tsr = tf.constant([1,2,3])
序列张量:
linear_tsr = tf.linspace(start=0, stop=1, start=3)
integer_seq_tsr = tf.range(start=6, limit=15, delta=3)
随机张量:
randunif_tsr = tf.random_uniform([row_dim, col_dim],minval=0, maxval=1)
randnorm_tsr = tf.random_normal([row_dim, col_dim],mean=0.0,stddev=1.0)
truncnorm_tsr = tf.truncated_normal([row_dim, col_dim],mean=0.0, stddev=1.0)
# mean表示均值,stddev表示偏差
randnorm=tf.random_normal(shape=[1000],mean=0 ,stddev=1.)
randtrun=tf.truncated_normal(shape=[1000],mean=0,stddev=1.)
对比
shuffled_output = tf.random_shuffle(input_tensor)
cropped_image = tf.random_crop(my_image, [height/2, width/2,3])
使用占位符(Placeholder)和变量(Variable)
变量:就是算法中的那些参数,tenserflow框架会时刻追踪着那些变量,调整变量的值,使算法最优化。
placeholder:占位符,你可以往里面喂进制定类型和形状的张量。
代码
使用矩阵
//创建对角矩阵
identity_matrix = tf.diag([1.0, 1.0, 1.0])
//将数组转化为张量
D = tf.convert_to_tensor(np.array([[1., 2., 3.],[-3., -7.,-1.],[0., 5., -2.]]))
//两个矩阵相乘
tf.matmul(m1,m2)
//对矩阵进行转置操作
tf.transpose(m)
//计算矩阵所对应的行列式的值
tf.matrix_determinant(m)
//获取该矩阵的逆矩阵
tf.matrix_inverse(m)
//使用cholesky分解:一个对称正定矩阵可以表示成一个下三角矩阵L和其转置的乘积的分解
tf.cholesky(m)
//获取矩阵的特征值和特征向量
tf.self_adjoint_eig(m)
声明操作(Operation)
abs()
求输入tensor的绝对值
ceil()
对tensor进行向上取整
cos()
求tensor的cos值
exp()
求tensor以e为底的指数
floor()
对tensor进行向下取整
inv()
求tensor的倒数
log()
求tensor的自然对数
maximum()
选取两个tensor中较大的那个元素
minimum()
选取两个tensor中较小的那个元素
neg()
求tensor的负数
pow()
第一个tensor作为底数,第二个tensor作为指数
round()
获取tensor的约数,四舍五入
rsqrt()
求tensor的平方根到倒数
sign()
根据tensor的sign值返回-1,0,1
sin()
求tensor的sin值
sqrt()
求tensor的平方根
square()
求tensor的平方
squared_difference()
求两个tensor的差的平方
tensorflow MySQL_tensorflow从入门到放弃....相关推荐
- 【傻瓜攻略】深度学习之从入门到放弃
从研究生进来之后,一直到现在已经进行了一年关于DP的学习,写篇文章总结一下我蹒跚的学习过程.总结来说是一个从入门学习到几乎想要放弃的过程.顺带列举下面几个坑,希望能帮助一下同样在这条路上行走的旅人们. ...
- 世界读书日:推荐15本AI从入门到放弃的书
hi,我是熵减,见字如面. 在世界读书日即将到来的前,以及借着ChatGPT的火热,各种AI大模型的创业东风,今天给大家推荐一些AI相关的图书,希望大家能从入门到放弃,找到适合自己的热爱. 本次推荐图 ...
- AI从入门到放弃2:CNN的导火索,用MLP做图像分类识别?
来源 | 腾讯知乎专栏 作者 | AIoys(腾讯员工,后台工程师) 项目文档和代码在此:github项目地址: https://github.com/zsysuper/AI_Notes ▌一.前言 ...
- AOP埋点从入门到放弃(二)
其实人最大悲哀莫过于知道自己想要什么,却不知道怎么坚持!最近迷恋上了死侍 其实和我平时的状态差不多,以一个混子的心态去做任何事情,往往成功的概率会更大!!! 一张图片镇楼!!! 上文说到了Aspect ...
- 入门到放弃node系列之网络模块(二)
为什么80%的码农都做不了架构师?>>> 前言 本文首发[一名打字员] 上一节我们刚刚介绍完node的HTTP和HTTPS模块,相信我们也对nodejs有了更深层次的理解,接下 ...
- webpack - vue Component 从入门到放弃(三)
离上一篇已经一个星期了,人的拖延症是没法救的,今晚趁着蒙蒙春雨,来抒发抒发情感. 上一篇简单介绍了webpack的配置,这里稍微再做一一下延伸 插件 插件可以完成更多 loader 不能完成的功能.插 ...
- CYQ.Data 从入门到放弃ORM系列:开篇:自动化框架编程思维
前言: 随着CYQ.Data 开始回归免费使用之后,发现用户的情绪越来越激动,为了保持这持续的激动性,让我有了开源的念头. 同时,由于框架经过这5-6年来的不断演进,以前发的早期教程已经太落后了,包括 ...
- python ** 运算符_Python从入门到放弃运算符(2)
摘要:上一篇Python从入门到放弃-运算符(1),讲了Python的运算符中的算术运算符.赋值运算符.比较(关系)运算符,这篇继续讲Python的运算符. 逻辑运算符 逻辑运算符是对真和假两种布尔值 ...
- python从入门到放弃系列恶搞短片-太惨!学Python方法用错,直接从入门到放弃!...
原标题:太惨!学Python方法用错,直接从入门到放弃! 从你开始学习编程的那一刻起,就注定了以后所要走的路-从编程学习者开始,依次经历实习生.程序员.软件工程师.架构师.CTO等职位的磨砺:当你站在 ...
最新文章
- 【虚拟机】苹果虚拟机mac10.11.6+Xcode8.1
- 如何轻松在线观看CNCC丨重启线上门票
- Python sort()和sorted()
- LIVE555再学习 -- live555实现RTSP直播服务器 分析
- 模拟电子技术不挂科学习笔记3(放大电路的分析方法)
- 第3章 神经网络的最优化
- 定义cisco设备的log级别
- Win10硬盘安装器(WinNTSetup 64位) v3.9.4 中文绿色版
- python壁纸4k_壁纸软件下载|2k4k桌面壁纸自动更换 Python版1.0 下载_当游网
- 2003系统服务器设置,服务器2003系统设置
- vue 控制某个元素的显示与隐藏之v-if属性
- sql中的iif语句详解
- 什么是Rest风格的Api?
- 大数据学习路线思维导图
- 我的淘宝新店的辛酸与感恩
- 12个球用天平秤3次求坏球
- 传音控股以科技立品牌,2021一季度净利大增125.93%
- 【react-native】编写原生模块给JS进行交互,一键加群的实现。
- 理解——先序遍历是入栈过程,中序遍历是出栈过程
- xamarin android 布局,Xamarin.Android 上中下布局
热门文章
- 微信公众号开发C#系列-5、用户和用户组管理-支持同步
- 面试必备之为什么重写equals必须重写hashcode
- 一些简单的MyEclipse快捷键操作
- javascript中 __proto__与prorotype的理解
- 邮件协议POP3/IMAP/SMTP服务的区别
- 2016.08.30~2017.07.20
- 我为什么不无偿加班,你也不应该
- Java入门知识,写一个最简单java程序
- Python之数据分析(numpy线性模型、线性预测、线性拟合)
- 初学者python笔记(模块篇)