今天老師帶領(lǐng)我們?nèi)腴TTensorFlow2.0。至于tensorflow2.0是啥嘛，詳細的可以度娘一下。我簡述一下,就是一個end-to-end machine-Learning open source plantform(端對端的開源機器學(xué)習(xí)的平臺)。學(xué)習(xí)tensorflow需要引入tensor這個概念，tensor的漢語意思就是張量。張量是數(shù)學(xué)和力學(xué)的概念，是矢量的延伸，矢量是一階張量，至于張量具體是什么大家感興趣就度娘吧，我也不是專業(yè)的數(shù)學(xué)研究人員不很懂。tensorflow1.0引入了deferred execution(延遲執(zhí)行)機制，在構(gòu)建階段是不執(zhí)行計算操作的，因此稱為靜態(tài)圖，要想執(zhí)行計算操作，需要創(chuàng)建Session()對象才可以執(zhí)行計算操作。而在tensorflow2.0里引入了默認執(zhí)行eager execution機制，無需首先創(chuàng)建靜態(tài)圖，可以立刻執(zhí)行計算操作，并返回結(jié)果，不像1.0那樣需要創(chuàng)建Session對象。但是動態(tài)圖執(zhí)行效率不高，不利于后期調(diào)試。但是可以在程序調(diào)試階段使用動態(tài)圖，快速建立模型、調(diào)試程序；在部署階段，采用靜態(tài)圖機制，從而提高模型的性能和部署能力。tensorflow2.0清理和整合API，將tf.keras作為構(gòu)建和訓(xùn)練模型的標(biāo)準(zhǔn)API。

機器學(xué)習(xí)

安裝tensorflow這個老生常談了。

pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple

我們來簡單入門講講tensorflow。它可以運行在GPU、CPU、嵌入式等等平臺。你可以理解為是對numpy的二次封裝，對numpy進行加速運算。numpy只能在CPU里計算，而tensorFlow可以在CPU、GPU、TPU里計算。當(dāng)tensorflow與numpy一起在CPU里計算時，它們共享同一段內(nèi)存。

它的基本運算是張量，張量是由Tensor實現(xiàn)，每個張量都是一個Tensor對象。可以使用tf.constant() 函數(shù)來創(chuàng)建張量。代碼如下:

import tensorflow as tfa = tf.constant([[1,2],[3,4]])print(a)

value:可以是數(shù)字或python列表或numpy數(shù)組

shpae:張量的形狀

dtype:元素數(shù)據(jù)類型

dtype:全稱是digital type漢語意思就是數(shù)字類型。這就創(chuàng)建了一個二維張量。

運行結(jié)果就是:

tf.Tensor([[1 2] [3 4]], shape=(2, 2), dtype=int32)

張量還可以使用Numpy方法，代碼如下:

a = tf.constant([[1,2],[3,4]])print(a.numpy)print(type(a))

那么運行結(jié)果就是:

>

使用numpy方式生成張量時需要注意以下幾點:numpy方法創(chuàng)建張量 使用np創(chuàng)建浮點數(shù)組時默認64位，而tensorflow默認時float32，但是tensorflow接受時自動轉(zhuǎn)為64位浮點。一般建議使用np創(chuàng)建數(shù)組時建議為float32位足以使用。但是不建議低精度兼容高精度，因為會溢出。比如int32去兼容int64可能會存在溢出。

Python

它的內(nèi)置API非常多:

cast()改變張量的數(shù)據(jù)類型，tensor支持轉(zhuǎn)變的數(shù)據(jù)類型有:string int float bool。

tf.convert_to_tensor()函數(shù)其他數(shù)據(jù)類型轉(zhuǎn)換成tensor類型

tf.fill()在tensor張量里自動填充某個元素,第一個參數(shù)是shape，第二個是value，根據(jù)傳入的value自動判斷數(shù)據(jù)類型

tf.constant()也可以實現(xiàn)fill一樣的功能，只不過它的填充數(shù)字在前面，shape參數(shù)位于后面。

tf.random.normal(形狀,均值,標(biāo)準(zhǔn)差,數(shù)據(jù)類型=tf.float32)這個是正態(tài)分布函數(shù)。均值即為:mean。標(biāo)準(zhǔn)差是:stddev。當(dāng)mean=0,stddev=1為標(biāo)準(zhǔn)正態(tài)分布

tf.random.truncated_normal()創(chuàng)建隨機數(shù)張量。截斷正態(tài)分布,基本參數(shù)一致。截斷的依據(jù)是正態(tài)分布的2倍標(biāo)準(zhǔn)差。

tf.random.set_seed()函數(shù)。設(shè)置隨機數(shù)種子

tf.random.uniform(shape,minval,maxval,dtype)函數(shù)。功能是均勻分布張量，它是一個左閉右開的區(qū)間。tf.random.uniform(shape,minval,maxval,dtype='int32')

tf.random.shuffle()函數(shù)。功能是隨機打亂序列。

tf.range()創(chuàng)建整數(shù)序列，是左閉右開區(qū)間。

還可以使用字典式訪問tensor對象屬性，依次取出ndim、shape、dtype屬性，代碼如下:

atfc = tf.constant([[3,5],[7,0]])print('ndim:',atfc.ndim)print('shape:',atfc.shape)print('dtype:',atfc.dtype)

總結(jié)一下:tensorflow所有的運算都是在張量之間運行的。而numpy只是作為input和output使用的。我只是列舉了常用的API，大家有興趣的可以嘗試嘗試。

我始終保持開放的態(tài)度學(xué)習(xí)python，大佬可以批評指正。python之路漫漫，吾將上下而求索。

總結(jié)

以上是生活随笔為你收集整理的diskgeniusv4.4.0_入门TensorFlow2.0的全部內(nèi)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(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。