該樓層疑似違規(guī)已被系統(tǒng)折疊?隱藏此樓查看此樓

TensorFlow入門(mén)教程

TensorFlow 基本使用

TensorFlow官方中文教程

TensorFlow 的特點(diǎn)：

使用圖 (graph) 來(lái)表示計(jì)算任務(wù).

在被稱(chēng)之為 會(huì)話 (Session) 的上下文 (context) 中執(zhí)行圖.

使用 tensor 表示數(shù)據(jù).

通過(guò) 變量 (Variable) 維護(hù)狀態(tài).

使用 feed 和 fetch 可以為任意的操作(arbitrary operation) 賦值或者從其中獲取數(shù)據(jù).

TensorFlow 綜述

TensorFlow 是一個(gè)編程系統(tǒng), 使用圖來(lái)表示計(jì)算任務(wù)。圖中的節(jié)點(diǎn)被稱(chēng)之為 op (operation 的縮寫(xiě))。 一個(gè) op 獲得 0 個(gè)或多個(gè)Tensor, 執(zhí)行計(jì)算, 產(chǎn)生 0 個(gè)或多個(gè) Tensor. 每個(gè) Tensor 是一個(gè)類(lèi)型化的多維數(shù)組. 例如, 你可以將一小組圖像集表示為一個(gè)四維浮點(diǎn)數(shù)數(shù)組, 這四個(gè)維度分別是 [batch, height, width, channels].

一個(gè) TensorFlow 圖描述了計(jì)算的過(guò)程. 為了進(jìn)行計(jì)算, 圖必須在 會(huì)話 里被啟動(dòng). 會(huì)話 將圖的 op 分發(fā)到諸如 CPU 或 GPU 之類(lèi)的 設(shè)備 上, 同時(shí)提供執(zhí)行 op 的方法. 這些方法執(zhí)行后, 將產(chǎn)生的 tensor 返回. 在 Python 語(yǔ)言中, 返回的 tensor 是 numpy ndarray 對(duì)象； 在 C 和 C++ 語(yǔ)言中, 返回的 tensor 是tensorflow::Tensor 實(shí)例.

TensorFlow 計(jì)算圖

TensorFlow 程序通常被組織成一個(gè)構(gòu)建階段和一個(gè)執(zhí)行階段. 在構(gòu)建階段, op 的執(zhí)行步驟 被描述成一個(gè)圖. 在執(zhí)行階段, 使用會(huì)話執(zhí)行執(zhí)行圖中的 op。

例如， 通常在構(gòu)建階段創(chuàng)建一個(gè)圖來(lái)表示和訓(xùn)練神經(jīng)網(wǎng)絡(luò)，然后在執(zhí)行階段反復(fù)執(zhí)行圖中的訓(xùn)練 op。

TensorFlow 支持 C, C++, Python 編程語(yǔ)言. 目前, TensorFlow 的 Python 庫(kù)更加易用, 它提供了大量的輔助函數(shù)來(lái)簡(jiǎn)化構(gòu)建圖的工作, 這些函數(shù)尚未被 C 和 C++ 庫(kù)支持.

三種語(yǔ)言的會(huì)話庫(kù) (session libraries) 是一致的.

TensorFlow 構(gòu)建圖

構(gòu)建圖的第一步, 是創(chuàng)建源 op (source op)。源 op 不需要任何輸入, 例如 常量 (Constant). 源 op 的輸出被傳遞給其它 op 做運(yùn)算.

Python 庫(kù)中, op 構(gòu)造器的返回值代表被構(gòu)造出的 op 的輸出, 這些返回值可以傳遞給其它 op 構(gòu)造器作為輸入.

完整教程：艾伯特TensorFlow

http://www.aibbt.com/a/tensorflow/

總結(jié)

以上是生活随笔為你收集整理的python tensorflow教程_TensorFlow入门教程TensorFlow 基本使用T的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。