TensorFlow筆記-03-張量,計算圖,會話

• 搭建你的第一個神經網絡，總結搭建八股
• 基於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 3
·· 1-D ······ 0 ····· 向量 vector ···· s=[1,2,3]
·· 2-D ······ 0 ····· 矩陣 matrix ···· s=[ [1,2,3], [4,5,6],[7,8,9] ]

·· n-D ······ 0 ····· 標量 tensor ···· s=[[[[[....n個

• 張量可以表示0階到n階的數組（列表）
• 代碼tf02文件：https://xpwi.github.io/py/TensorFlow/tf02.py

# 兩個張量的加法
import  tensorflow as tf

a = tf.constant([1.0, 2.0])
b = tf.constant([3.0, 4.0])

result = a+b
print(result)

運行結果：

• 結果分析：
  
• 計算圖（Graph）：搭建神經網絡的計算過程，只搭建，不運算
• 代碼tf03文件：https://xpwi.github.io/py/TensorFlow/tf03.py

# 兩個張量的加法
import  tensorflow as tf

# x 是一個一行兩列的張量
x = tf.constant([[1.0, 2.0]])
# x 是一個兩行一列的張量
w = tf.constant([[3.0], [4.0]])

'''
構建計算圖，但不運算
y = XW
 = x1*w1 + x2*w2
'''
# 矩陣相乘
y = tf.matmul(x, w)
print(y)

運行結果

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

• 會話（Session）：執行計算圖中的結點運算
• 代碼04文件：https://xpwi.github.io/py/TensorFlow/tf04.py

# 兩個張量的加法
import  tensorflow as tf

# x 是一個一行兩列的張量
x = tf.constant([[1.0, 2.0]])
# x 是一個兩行一列的張量
w = tf.constant([[3.0], [4.0]])

'''
構建計算圖，但不運算
y = XW
 = x1*w1 + x2*w2
'''
# 矩陣相乘
y = tf.matmul(x, w)
print(y)

# 會話：執行節點運算
with tf.Session() as sess:
    print(sess.run(y))

運行結果

y = 1.03.0 + 2.04.0 = 11

更多文章：Tensorflow 筆記

• 本筆記不允許任何個人和組織轉載

TensorFlow筆記-03-張量,計算圖,會話