基于Tensorflow的NN：用張量表示數據，用計算圖搭建神經網絡，用會話執行計算圖，優化線上的權重（參數），得到模型。

• 張量（tensor）:多維數組（列表）? ? ? ? ? 階：張量的維數；

?

維數階名字例子

0-D	0	標量 scalar	s=1 2 31
1-D	1	向量 vector	v=[1,2,3]
2-D	2	矩陣 matrix	m=[[1,2,3],[4,5,6],[7,8,9]]
n-D	n	張量 tensor	t=[[.....?

?

?

?

?

?

?

• ? 數據類型： tf.float32 tf.in32? ...
• import tensorflow as tfa=tf.constant([1.0,2.0]) b=tf.constant([3.0,4.0])result=a+b print(result)

  結果：Tensor("add_5:0", shape=(2,), dtype=float32)

• add_5:0	節點名：第0個輸出
  shape=(2,)	維度：一維數組，長度2
  dtype=float32	數據類型

• tf.constant():表示定義常量；

• 計算圖（Graph）：搭建神經網絡計算過程，只搭建，不運算。

• y=XW

  ? =x1*w1+x2*w2
• import tensorflow as tfx=tf.constant([[1.0,2.0]]) w=tf.constant([[3.0],[4.0]])y=tf.matmul(x,w) print(y)with tf.Session() as sess:print(sess.run(y))

  Tensor("MatMul:0", shape=(1, 1), dtype=float32)
  ?

• 會話（Session）：執行計算圖中的節點運算。

• with tf.Session() as sess:print(sess.run(y))

  ?

?

?

總結

以上是生活随笔為你收集整理的tensorflow框架的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。