tensorflow基本概念
一、tesorflow基本概念
二、计算图
一个机器学习任务的核心是模型的定义以及模型的参数求解方式,对这两者进行抽象之后,可以确定一个唯一的计算逻辑,将这个逻辑用图表示,称之为计算图。计算图表现为有向无环图,定义了数据的流转方式,数据的计算方式,以及各种计算之间的相互依赖关系等
三、操作
3.1 运算操作定义类操作的类型,以及参与运算的数据的类型
3.2 tensorflow中的运算符
变量运算指的是element wise
运算
四、变量
4.1 创建变量
通过tf.Variables()
函数创建
4.2变量初始化方式
- 一次性全部初始化
sess.run(tf.global_variables_initializer())
- 自定义初始化
- 由另一个变量初始化。通过变量的
initial_value
实行,对新的变量初始化
b = tf.Variable(tf.zeros([1]))
c = tf.Variable(b.initial_value,name='ll')
4.3变量的保存与恢复
saver.save(sess, 'my-model', global_step=step)
训练过程,根据训练的步数保存模型
- 保存变量
tf.train.Saver()
import tensorflow as tf
import numpy as np
# 训练数据
x_data = np.float32(np.random.rand(2,100))
y_data = np.dot([0.1,0.2],x_data)+0.3
# 定义模型
b = tf.Variable(tf.zeros([1]))
w = tf.Variable(tf.random_uniform([1,2],-1,1))
y = tf.matmul(w,x_data)+b
# 定义损失函数
loss = tf.reduce_mean(tf.square(y-y_data))
optimizer = tf.train.AdamOptimizer(0.01)
train = optimizer.minimize(loss)init = tf.global_variables_initializer()
saver = tf.train.Saver()# 保存变量
sess = tf.Session()
sess.run(init)
sess.run(train)
path = saver.save(sess,'./var.ckpt')# 返回保存路径
print(path)
- 恢复变量
saver.restore(sess,'./var.ckpt')
取变量值时,在变量名后面加:0
import tensorflow as tf
import numpy as npb = tf.Variable(tf.zeros([1]))
w = tf.Variable(tf.random_uniform([1,2],-1,1),name='w')init = tf.global_variables_initializer()
saver = tf.train.Saver()# 保存变量
sess = tf.Session()
sess.run(init)print('w_current:',sess.run(w))
# path = saver.save(sess,'./var.ckpt')# 返回保存路径
# print(path)
saver.restore(sess,'./var.ckpt')
print('w_save:',sess.run('w:0'))# 取变量值时,后面加:0
- 保存部分变量
保存部分变量。需要保存的变量,以字典的形式传入tf.train.Saver() - 恢复部分变量
saver.restore(sess,'./part_var.ckpt')
取变量值,通过变量名取出,不是别名sess.run(b1)
import tensorflow as tf
import numpy as npb1 = tf.Variable(tf.random_uniform([1]))
b2 = tf.Variable(tf.random_uniform([1]))
w = tf.Variable(tf.random_uniform([1,2],-1,1),name='w')init = tf.global_variables_initializer()
# 保存部分变量。需要保存的变量,以字典的形式传入tf.train.Saver()
saver = tf.train.Saver({'bf':b1,'bh':b2})
sess = tf.Session()
sess.run(init)# print('w_current:',sess.run(w))
print('b1_current:',sess.run(b1))
print('b2_current:',sess.run(b2))
# path = saver.save(sess,'./part_var.ckpt')# 返回保存路径
# print(path)
s = saver.restore(sess,'./part_var.ckpt')
print('b1_save:',sess.run(b1))# 取变量值时
print('b2_save:',sess.run(b2))# 取变量值时
5 会话
5.1 会话的创建和运行
tensorflow基本概念相关推荐
- 机器学习速成课程 | 练习 | Google Development——编程练习:TensorFlow 编程概念
TensorFlow 编程概念 学习目标: 学习 TensorFlow 编程模型的基础知识,重点了解以下概念: 张量 指令 图 会话 构建一个简单的 TensorFlow 程序,使用该程序绘制一个默认 ...
- tensorflow 一些概念
原文链接: tensorflow 一些概念 上一篇: Python 矩阵转图片 下一篇: 基础算法 为什么 c = tf.matmul(a, b) 不立即执行矩阵相乘? 在 TensorFlow 的 ...
- 深度学习环境搭建之常识(anaconda,cuda,cudnn,python,tensorflow等概念)
原网址 https://www.jianshu.com/p/62f155eb6ac5 1.什么是python?(面向对象语言) Python是一种面向对象的解释型计算机程序设计语言,其使用,具有跨平台 ...
- 机器学习算法 09-02 TensorFlow核心概念 TensorFlow基础代码、TensorFlow线性回归解析解和BGD求法
目录 1 核心概念 2 代码流程 3 基础代码: 3.1 tf的版本 定义常量 理解tensor 了解session 3. 2 指定设备. Variable 初始化 . with块创建sess ...
- 【TensorFlow学习之路】一--TensorFlow基本概念
计算图 计算图是TensorFlow中最基本的一个概念,TensorFlow中的所有计算都会被转化为计算图上的节点. TensorFlow 的名字中己经说明了它最重要的两个概念一一Tensor 和 F ...
- MiniFlow,帮助理解TensorFlow关键概念--图
MiniFlow 在学习TensorFlow之前,让我们学习可微分图(Differentiable graphs),这是TensorFlow用于运行和训练网络的基本抽象.我们将构建一个叫MiniFlo ...
- TensorFlow 概念的解析(i.e. 缘由)
TensorFlow 基本概念解析 -- TensorFlow Machine Learning Cookbook TensorFlow 中的基本概念解析 声明张量 tensorflow 中的主要数据 ...
- tensorflow op tf.global_variables_initializer
一.安装 目前用了tensorflow.deeplearning4j两个深度学习框架, tensorflow 之前一直支持到python 3.5,目前以更新到3.6,故安装最新版体验使用. 慢慢长征路 ...
- 基于Go语言来理解Tensorflow
Tensorflow并非一套特定机器学习库--相反,其属于一套通用型计算库,负责利用图形表达计算过程.其核心通过C++语言实现,同时亦绑定有多种其它语言.与Python绑定不同的是,Go编程语言绑定不 ...
最新文章
- redis 在 php 中的应用(事务 [ Transaction ] 篇)
- Python进阶09 动态类型
- Ubuntu 下mysql service 启动问题
- li或dd 浮动后增加图片时高度多出3-5px的问题
- java cmd 隐藏窗口_运行bat时隐藏cmd窗口
- 入行这么久? 真正理解了缓存吗
- animated-rotate
- 假设检验3- 卡方分布
- 设置服务器上的redis数据库共享
- 知道密码,如何去除Word文档的各种保护?
- transforms.Compose,transforms.ToTensor(),transforms.Normalize()的含义与原理
- mybatis从入门到精通(刘增辉著)-读书笔记第一章
- 安超云生态 | 安超云与硅格半导体完成产品兼容互认证 携手打造协同生态
- mysql如何加悲观锁_MySQL悲观锁
- FPGA学习笔记1.1——10人表决器
- MaxScript学习 |展UV
- Unity MlAgent 使用介绍
- 数学建模-层次分析模型
- 30 minutes---tatu (From Lina)
- JAVA 线上故障排查全套路
热门文章
- 深入解析windows XP/2003:内核模式和用户模式
- PyQt5 笔记5 -- 消息框(QMessageBox)
- 直播报名 | 科技赋能零售金融业务转型
- visual basic.net 2019-当前内存状态、字符串内插、操作系统系统信息
- 【机器学习】信用卡欺诈检测|用启发式搜索优化XGBoost超参数
- 墙裂推荐!顶级赛事CCF BDCI即将开赛!
- 【效率】这个神器可以摆脱变量命名纠结!
- 一个垃圾分类项目带你玩转飞桨(1)
- 谷歌开源下一代推荐系统模拟器:RecSim NG
- 报名丨“眼界大开 声临其境”网易首届音视频技术大会倒计时!