TensorFlow入门

Posted 2023-03-11

参考技术A TensorFlow两个重要概念:Tensor和Flow,Tensor就是张量（可以理解为多维数组）,Flow就是计算相互转化的过程。TensorFlow的计算方式类似Spark的有向无环图(DAG),在创建Session之后才开始计算（类似Action算子）。

张量可以简单理解为多维数组。 零阶张量表示标量(scalar)，也就是一个数。一阶张量表示为向量(vector),也就是一维数组。n阶张量表示为n维数组。但张量在TensorFlow中只是对结算结果的引用，它保存的是如何得到这些数字的计算过程。

上面输出了三个属性:名字(name)、维度(shape)、类型(type)
张量的第一个属性名字是张量的唯一标识符，也显示出这个张量是如何计算出来的
张量的第二个属性维度是张量的维度信息，上面输出结果shape(2,)表示是一个一维数组，长度为2
张量的第三个属性类型是每个张量都会有的唯一类型，TensorFlow会对所有参与运算的张量进行类型检查，如果类型不匹配会报错。

TensorFlow会生成一个默认的计算图，可以通过tf.Tensor.eval函数来计算一个张量的取值

变量(tf.Variable)的作用就是保存和更新神经网络中的参数

训练神经网络的过程可以分为3个步骤:

tensorflow实现线性回归

tensorflow实现逻辑回归

tensorflow实现K-近邻

笔记来自<< TensorFlow:实战Google深度学习框架 >>