tensorflow中tf.Variable()的使用

Posted 2021-04-24 AI教研室

课程主讲人 中国科学院自动化研究所 张重阳

强烈建议大家选择高清模式下观看视频，否则可能出现代码看不清楚的情况。文末，点击“阅读原文”，可以获取高清视频链接

此次课程中，主要讲解tensorflow中tf.variable()的使用。首先，导入tensorflow库，使用tf.Variable()定义权重w，这里表示w这个值是可变的，因为在深度神经网络中，神经网络的权重是需要实时更新的。同理使用tf.Variable()定义b，b的初始值是-0.3。使用placeholder来定义一个x。然后定义一个linear_model线性模型Wx+b，首先需要定义init，init的作用是初始化变量W和b，用tf.global_variables_initializer语句对w和b进行初始化。为了将W和b初始化，首先定义一个session，然后通过sess.run(init)这样的方式来将W和b初始化为0.3和-0.3。接下来，打印输出 liner_model的值。运行sess.run()时，传入了x的具体值，在这里，将 x传入向量为[1,2,3,4]，通过线性运算，liner_model的值为[0,0.3,0.6,0.9]。通过简单的计算也可以得到这样的结果。接着，通过tf.placeholder()来定义类型为tf.float32的变量y。在机器学习中，存在一个预测值和真实值之差，通过tf.square()，以平方差的形式，来表示预测值和真实值之差，之后通过tf.reduce_sum()的语句来对每个值的平方差进行求和得到值loss。假设y的真实值是[0,-1,-2,-3]，输入x是[1,2,3,4]，通过运行程序，可以计算出最终的loss值为23.66，可以发现真实值和预测值之差是比较大的。通过调整参数w，可以使预测值和真实值之差尽可能的小，这将在下一节课中介绍。

往期公开课链接

岗位要求

1、高等院校学生，本科、研究生、博士均可，每周有5-8个小时的时间投入

2、强烈的责任心以及时间观念，能够高质量按时完成所布置的任务

3、有新媒体运营经验的优先考虑，学生会、计算机技术类社团干部优先考虑

4、有视频编辑、后期处理的优先考虑

5、擅长平面设计的优先考虑

入选的志愿者，在完成一定量的工作之后，将直接获得免费参与我们线下收费课程的资格！

志愿者申请，请发送个人简历至[e-mail]  邮件主题为AI教研室志愿者申请+姓名+学校+专业

长｜按｜二｜维｜码｜关｜注