深度学习——张量概念的引入

参考书籍：《深度学习——基于Python语言和TensorFlow平台》
输出的数据在程序中都体现为是Tensor类型的一个对象，Tensor一般翻译成“张量”，张量在程序中定义时其实蕴含了两层含义：一是包含了对于输入数据的计算操作，给张量赋值时等号右边的表达式就是这个操作；二是容纳了一个（或一组）数据，也就是它的输出数据，在程序中就是张量赋值语句左边的变量。如n1=x1*w1，等号右边的x1*w1这个表达式就表达了计算操作，而等号左边的n1就是代表模型图中n1这个节点的输出数据的张量。这么看来，虽然张量只是代表模型图中某个节点的输出数据，但在程序中，我们一般均用节点名称来命名这个节点输出的张量。
类似Tensor(“mul:0”,dtype=float32)这样一个张量的输出信息中，括号中第一部分就是它对应的操作，第二部分就是它的输出数据类型。如果张量是由多个操作计算而来的，输出信息中的操作将是其中的最后一个。
可变参数不是模型中节点的输出数据，所以类似w1的这些变量的类型都不是Tensor而是tf.Variable，但因为它们会参与某个神经元的计算操作，所以它们从数值类型和形态上与张量是类似的。神经网络的优化器主要调整的就是所有tf.Variable。
那么，总结来说，张量（tensor）就是神经网络中神经元节点接收输入数据后经过一定计算操作输出的结果对象；张量在神经网络模型图中表现为各层的节点的输出数据，如果仅从结果或者数据流向的角度考虑时，有时候也可以把神经网络模型中的节点看作等同于张量。而节点加上连线所组成的整个神经网络模型图中表现的是张量在神经网络中“流动（flow）”的过程，这就是TensorFlow名称的由来。张量在程序中的具体表现是一个Tensor类型的对象。
最后，注意咋TensorFlow中用print函数来输出张量和可变参数时，并不会输出其中的具体数值，而是输出它们对应的操作与数据类型等信息。如果要查看它们的具体数值，需要在训练过程中用sess.run函数获得的返回值来查看，稍后还将介绍另一种查看的方法。
import tensorflow as tf

x1 = tf.placeholder(dtype=tf.float32)
x2 = tf.placeholder(dtype=tf.float32)
x3 = tf.placeholder(dtype=tf.float32)
yTrain = tf.placeholder(dtype=tf.float32)
print("x1: %s" % x1)w1 = tf.Variable(0.1, dtype=tf.float32)
w2 = tf.Variable(0.1, dtype=tf.float32)
w3 = tf.Variable(0.1, dtype=tf.float32)
print("w1: %s" % w1)n1 = x1 * w1
n2 = x2 * w2
n3 = x3 * w3
print("n1: %s" % n1)y = n1 + n2 + n3
print("y: %s" % y)

深度学习——张量概念的引入相关推荐

基于keras的深度学习基本概念讲解
基于keras的深度学习基本概念讲解 Tensorflow1.0正式发布,谷歌首届Tensorflow开发者大会在山景召开,深度学习迎来新的高潮和狂欢.随着深度学习框架的普及和推广,会有越来越多人加入 ...
深度学习入门——深度学习基础概念思维导图
深度学习基础概念的思维导图,思维导图又叫心智导图,是表达发散性思维的有效图形思维工具 ,它简单却又很有效,是一种实用性的思维工具.思维导图运用图文并重的技巧,把各级主题的关系用相互隶属与相关的层级图表 ...
人工智能、机器学习和深度学习的概念及关系
1.人工智能.机器学习和深度学习的概念及关系人工智能.机器学习和深度学习的概念在近些年十分火热,但很多从业者也难以说清它们之间的关系,外行人更是雾里看花.学习深度学习,需要先从三个概念的正本清源开始 ...
基于keras的深度学习基本概念讲解——深度学习之从小白到入门
2019独角兽企业重金招聘Python工程师标准>>> Author: shikanon CreateTime: 2017-02-13 10:33:34 Tensorflow1.0正 ...
深度学习——深度学习基础概念
摘要本文将针对与深度学习的平台的这样的一个理解和实战这样的一个理解.这是一个系列的课程.我将一直更新有关于的paddle的开发和学习.Paddle包括众多方面.目标检测.文字识别.图像分类.图像分割 ...
深度学习基本概念的了解
机器学习的思路:利用一些训练数据,使机器能够总结出一些规律,然后用这些规律来分析未知数据. 举个生活的例子: Q:为什么高考前需要大量的刷题??请从深度学习解答一下. 高考为例,高考的题目我们没有做过 ...
深度学习常见概念解析
1.损失函数loss 用于定义网络输出结果与正确结果之间的误差的函数,常用损失函数为均方差(MSE)和交叉熵(Cross Entropy).一般均方差用于回归问题,交叉熵用于分类问题. 2.梯度梯度 ...
深度学习基本概念笔记
注意力机制(Attention Mechanism): 注意力机制受到人类视觉注意力机制的启发,即关注图像特定部分的能力.即当神经网络发现输入数据的关键信息后,通过学习,在后继的预测阶段对其予以重点关 ...
100行Python代码理解深度学习关键概念：从头构建恶性肿瘤检测网络
在构建乳腺癌预测神经网络过程中,我们主要分为3大部分: 1.用Python从零开始创建一个神经网络,并使用梯度下降算法训练模型. 2.在该神经网络中使用威斯康星乳腺癌数据集,根据9种不同的特征,预测肿 ...

深度学习——张量概念的引入

深度学习——张量概念的引入相关推荐

最新文章

热门文章