例子

import tensorflow as tf
import numpy as npx_data = np.random.rand(100).astype(np.float32)
y_data = x_data*3 + 0.3
# Variable 表示可变,可训练变量
Weights = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
biases = tf.Variable(tf.zeros([1]))y = Weights*x_data + biases# 定义损失函数
loss = tf.reduce_mean(tf.square(y-y_data))
#定义优化器
optimizer = tf.train.GradientDescentOptimizer(0.5)# 用优化器去优化损失函数
train = optimizer.minimize(loss)# 只要前面用到了Variable 变量,后面就一定要初始化并用sess run 一下
init = tf.global_variables_initializer()sess = tf.Session()
# 初始化
sess.run(init)for step in range(201):sess.run(train)if step % 20 == 0:# sess.run(x)才能获得x的值print(step, sess.run(Weights), sess.run(biases))

Session两种用法

import tensorflow as tfmatrix1 = tf.constant([[3,3]])
matrix2 = tf.constant([[2], [2]])product = tf.matmul(matrix1,matrix2)# session的两种使用方法, 跟文件读写差不多
sess = tf.Session()
result = sess.run(product)
print(result)
sess.close()with tf.Session() as sess:result2 = sess.run(product)print(result2)

Variable赋值 assign

import tensorflow as tfstate = tf.Variable(0, name = "counter")
one = tf.constant(1)new_value = tf.add(state, one)
update = tf.assign(state, new_value)
# 注意初始化
init = tf.global_variables_initializer()with tf.Session() as sess:sess.run(init)for _ in range(3):sess.run(update)# Variable 变量的获取需要用sess.runprint(sess.run(state))

placeholder使用

import tensorflow as tf
# placeholder 先占位,再传值
input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)output = tf.multiply(input1, input2)
with tf.Session() as sess:#用feed传值print(sess.run(output, feed_dict={input1:[7.], input2:[2.0]}))

激励函数

完成非线性转换

TF 菜鸡入门(一)相关推荐

  1. 关于服务器的使用——深度学习菜鸡入门(1)

    关于服务器的使用--深度学习菜鸡入门(1) 一.必备软件 1.安装MobaXterm_20.5(推荐) 2.安装VSCode 二.在服务器创建新的用户账号 前提:已知服务器ip地址(xxx.xxx.x ...

  2. 重装win10系统 远程控制TeamViewer——深度学习菜鸡入门(2)

    本文目录 一.安装win10系统 1.1说明 1.2必要准备 & 制作系统盘 1.3安装操作系统 二.TeamViewer 2.1为什么需要TeamViewer? 2.2下载TeamViewe ...

  3. 菜鸡毕业路:量化策略(二)JoinQuant入门

    菜鸡毕业路:量化策略(二) 学习目标 量化入门(一) 学习计划 学习目标 量化策略学习主要分为一下几个方向: 1) python基础,爬虫 2)机器学习深度学习理论基础 3)常用的量化模型 4)数据库 ...

  4. 渣渣菜鸡的 ElasticSearch 源码解析 —— 启动流程(上)

    关注我 转载请务必注明原创地址为:http://www.54tianzhisheng.cn/2018/08/11/es-code02/ 前提 上篇文章写了 ElasticSearch 源码解析 -- ...

  5. 一个菜鸡的ACM之路

    花絮 做为一个大三计软狗,那么菜,打完19年的区域赛,也没时间打20年的区域赛了吧.这个学期,是我的第一次,也是最后一次,打CCPC和ICPC,忙前忙后,共打了3场:打完后,又去赶各种死亡DDL:DD ...

  6. 一个一年工作经验的菜鸡程序员的一年总结

    坎坷并且顺利的一年 前言 一.为什么会干这一行? 二.入职 1.被大佬照顾的小白 2.被浪潮拍死的弄潮儿 3.重新出世的大菜鸡 回顾以前展望未来 前言 刚开始准备投入这个行业是2020年8月的时候,当 ...

  7. 1个系统节拍 c语言_【菜鸡C语言】菜鸡鼓起勇气用Dev-c++打起节奏来了

    动次打次动次打次,打好节奏后,要进一步升华!学C语言这么久,不想搞点事情? 本文中纯属原创,未经授权禁止转载 本篇幅巨长,非专业人士可直接下拉至结尾看成果,然后点个赞¬∨¬ 学编程的一定不陌生,大多数 ...

  8. 【考研经验】19制药跨考【东南大学】软件专硕,真实考研经历以及跨考菜鸡的迷茫记录!...

    转载于 王道论坛 原作者  上官月秀 背景: 初试:政治:64  英语:61  数二:135  专业课:136  总分:396(第二) 复试:笔试:132(第二)  面试:101(倒数第三) 18年毕 ...

  9. szu 寒训 day#3 ST表 和 LCA问题 附例题 菜鸡解法

    昨天我们讲述了树状数组今天我们来讲ST表(解决静态RMQ (Rang Minmum/Maximum Query)问题的数据结构) 假如说我们暴力去查询区间的最值得话每次操作都是O(n) 如果询问次数跟 ...

最新文章

  1. Silverlight+WCF 新手实例 象棋 主界面-实时聊天区(二十五)
  2. Gartner:全球IT未来十年热门技术TOP10
  3. Nginx-从零开始使用nginx实现反向代理及负载均衡
  4. easyUI的combobox选中无法显示
  5. Libsvm的一些说明帮助吧
  6. RabbitMQ消息追踪之Firehose
  7. YBTOJ:灯光控制(贪心)(公倍数)(暴力枚举)
  8. linux定时创建文件,linux下如何创建定时任务
  9. php mysql 排序规则_使用PHP的MySQL最好的排序规则是什么?
  10. Vue第三天 v-model与Vue组件化
  11. eclipse没有java project_用ecilpse开发一个java程序
  12. git 某个文件回退到指定版本
  13. 为什么你的ASO效果不好_ASO优化重要吗
  14. 6950有史以来最经典玩机宝典/软件包/导航
  15. 101个著名的管理学及心理学效应
  16. Android-手撸抖音“潜艇大挑战”,最简单的Android自定义ListView下拉刷新与上拉加载
  17. 微服务--Gateway--服务网关
  18. ora-01172 ora-01151的处理
  19. Android _自定义芝麻积分(装逼神器)
  20. 押三中三,元气森林赢麻了 论元气森林如何成为冬奥会最大赢家?

热门文章

  1. 产品策划三:App注册登录系统策划方案
  2. WSAStartup函数和socket函数
  3. Docker 被禁,十大开源产品可替代
  4. 1980: 不存在的泳池
  5. NX二次开发-算法篇-创建最小包容盒
  6. 软件测试Homework1——印象最深刻的一次调bug经历
  7. Aski AI: 基于人工智能的在线AI工具平台
  8. matlab 中图的大小_MATLAB画图之自定义图片大小
  9. 离散数学实验笛卡尔乘积C语言,集合的运算和笛卡尔乘积
  10. c语言 函数教学反思,函数的概念教学反思范文