TensorFlow 基本用法

---

tensorflow編程的基本框架

---

• 導(dǎo)入所需要的包
• 準(zhǔn)備數(shù)據(jù)
• 構(gòu)建模型/構(gòu)建圖
  • 定義變量、計算op
  • 定義優(yōu)化目標(biāo)及方法op
  • 定義初始化op
• 啟動/運(yùn)行圖
  • 運(yùn)行初始化op
  • 運(yùn)行優(yōu)化目標(biāo)及方法op

#導(dǎo)入包 import tensorflow as tf import numpy as np# 準(zhǔn)備數(shù)據(jù)。使用numpy生成假2行100列的數(shù)據(jù)即100個二維點(diǎn)。 # .randn()表示標(biāo)準(zhǔn)正態(tài)分布；.rand()表示[0,1)均勻分布。括號內(nèi)為數(shù)據(jù)的shape。 x_data = np.float32(np.random.rand(2, 100)) y_data = np.dot([0.100, 0.200], x_data) + 0.300# 構(gòu)建模型/構(gòu)建圖 b = tf.Variable(tf.zeros([1])) W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0)) y = tf.matmul(W, x_data) + b # 定義目標(biāo)及方法 loss = tf.reduce_mean(tf.square(y - y_data)) optimizer = tf.train.GradientDescentOptimizer(0.5) train = optimizer.minimize(loss) # 初始化變量，舊版本為tf.initialize_all_variables() init = tf.global_variables_initializer() # 啟動/運(yùn)行圖 sess = tf.Session() sess.run(init) # 擬合平面,不斷運(yùn)行train來更新參數(shù)。 for step in range(0, 201):sess.run(train)if step % 20 == 0:print (step, sess.run(W), sess.run(b))# 得到最佳擬合結(jié)果 W: [[0.100 0.200]], b: [0.300]

---

構(gòu)建圖

---

• 創(chuàng)建placeholder，常量，變量的op
• 創(chuàng)建計算的op
• 創(chuàng)建優(yōu)化目標(biāo)及方法的op
• 創(chuàng)建初始化op

#placeholder。None表示任意數(shù) x = tf.placeholder(tf.float32,[None, 2],name="x_input")with tf.Session() as sess:input=sess.run(x, feed_dict={x:[7.，3.]})#常量op。例：1x2常量矩陣。 tf.constant([[0., 0.]]) tf.constant(0., shape=[1,2]) tf.constant(tf.zero([1,2]))#變量op。例：1x2變量矩陣。 tf.Variable(tf.zeros([1，2])) tf.Variable([[0., 0.]]) tf.Variable(tf.random_randn([1, 2]) tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))#計算op。例：矩陣相乘 tf.constant([[3., 3.]])#目標(biāo)及方法的op loss = tf.reduce_mean(tf.square(y - y_data)) optimizer = tf.train.GradientDescentOptimizer(0.5) train = optimizer.minimize(loss)#初始化op init = tf.global_variables_initializer()

---

運(yùn)行圖

---

法一：

# 配置不會占滿整個GPU config = tf.ConfigProto() config.gpu_options.allow_growth=True# 啟動默認(rèn)圖. sess = tf.Session(config=config)#運(yùn)行op los=sess.run(loss) sess.run(train)# 任務(wù)完成, 關(guān)閉會話. sess.close()#為了便于使用諸如 IPython 之類的 Python 交互環(huán)境, 可以使用InteractiveSession 代替 Session 類。 #使用 Tensor.eval() 和 Operation.run() 方法代替 Session.run()。這樣可以避免使用一個變量來持有會話. sess = tf.InteractiveSession() x = tf.Variable([1.0, 2.0]) a = tf.constant([3.0, 3.0])# 使用初始化器 initializer op 的 run() 方法初始化 'x' x.initializer.run()# 增加一個減法op。使用eval方法。 sub = tf.sub(x, a) print (sub.eval())

法二：

#自動關(guān)閉會話 with tf.Session() as sess:los=sess.run(loss)sess.run(train)#指定CPU或GPU with tf.Session() as sess:with tf.device("/gpu:1"):matrix1 = tf.constant([[3., 3.]])matrix2 = tf.constant([[2.],[2.]])product = tf.matmul(matrix1, matrix2)

---

總結(jié)

以上是生活随笔為你收集整理的TensorFlow 笔记1--基本用法的全部內(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。