Tensorflow1.0菜鸟编程在线编程代码入门50例

¥ 2.00
2767
课程介绍

Tensorflow1.0经典入门例子代码50例,边学边练习!

您应该了解以下内容:

  • 如何用Python编程。
  • 至少要了解一点数组。
  • 理想的是,关于机器学习的东西。 但是,如果您对机器学习知之甚少,那么这仍然是您应该阅读的第一本指南。

TensorFlow提供很多API。 最低级别的API — TensorFlow Core — 提供给你完全的编程控制。 我们推荐机器学习研究人员和其他需要对模型进行良好控制的人用TensorFlow Core。 更高级别的API构建在TensorFlow Core之上。 这些更高级别的API通常比TensorFlow Core更容易学习和使用。 另外,更高级别的API使不同用户之间的重复任务更容易,更一致。 像tf.estimator这样的高级API可以帮助你管理数据集、估计器、训练和推理。

本指南从TensorFlow Core教程开始。 稍后,我们演示如何在tf.estimator中实现相同的模型。 了解 TensorFlow Core 的原理将在的大脑里你留下一个模型,让你在使用更紧凑高级别的API时知道内部是如何工作的。

张量

TensorFlow中数据的中心单元是张量 张量由一组原始值组成,这些原始值被组织成形状为任意维度的数组。 张量的是其维数。 

TensorFlow核心教程

导入TensorFlow

TensorFlow程序的规范导入语句如下所示:

import tensorflow as tf

这使得Python可以访问所有TensorFlow的类,方法和符号。 本文档的大部分地方假设你已经完成这个导入。

计算图

你可能会认为TensorFlow Core程序由两个不同的部分组成:

  1. 构建计算图。
  2. 运行计算图。

计算图是排列成节点图的一系列TensorFlow操作。 我们来构建一个简单的计算图。 每个节点将零个或多个张量作为输入,并生成张量作为输出。 一种类型的节点是一个常量。 像所有的TensorFlow常量一样,它不需要输入,并输出一个内部存储的值。 我们可以创建两个浮点张量node1node2

请注意,打印节点不会像你预期的那样输出值3.04.0 相反,它们是在求值时分别产生3.0和4.0的节点。 为了实际评估节点,我们必须在会话内运行计算图。 会话封装了TensorFlow运行时的控制和状态。

以下代码创建一个会话对象,然后调用其run方法运行足够的计算图来评估node1node2

我们可以通过将 Tensor节点与操作相结合来构建更复杂的计算(操作也是节点)。 例如,我们可以添加两个常量节点并生成一个新图形

TensorFlow提供了一个名为TensorBoard的实用程序,可以显示计算图的图片。