tensorflow:实战Google深度学习框架第三章

Posted 南野小童

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了tensorflow:实战Google深度学习框架第三章相关的知识,希望对你有一定的参考价值。

tensorflow的计算模型:计算图–tf.Graph 
tensorflow的数据模型:张量–tf.Tensor 
tensorflow的运行模型:会话–tf.Session 
tensorflow可视化工具:TensorBoard 

通过集合管理资源:tf.add_to_collection、tf.get_collection 

Tensor主要三个属性:名字(name)、维度(shape)、类型(type) 

 

#张量,可以简单的理解为多维数组

import tensorflow as tf
a = tf.constant([1.0,2.0],name=a)
b = tf.constant([3.0,4.0],name=b)
result = tf.add(a,b,name="add")
print(result)

输出:Tensor("add:0", shape=(2,), dtype=float32)

会话Session需要关闭才能释放资源,通过Python的上下文管理器 with ,可以自动释放资源 

#创建会话,并通过上下文管理器来管理
with tf.Session() as sess:
    sess.run(result)
#不需要Session.close()关闭会话
#上下文管理器退出,会话自动关闭

tensorflow设备:tf.device(‘/cpu:0’)、tf.device(‘/gpu:2’)

表3-1 TensorFlow维护的集合列表

 

集合名称集合内容使用场景
tf.GraphKeys.VARIABLES 所有变量 持久化TensorFlow模型
tf.GraphKeys.TRAINABLE_VARIABLES 可学习的变量 模型训练、生成模型可视化内容
tf.GraphKeys.SUMMARIES 日志生成相关张量 TensorFlow计算可视化
tf.GraphKeys.QUEUE_RUNNERS 处理输入的QueueRunner 输入处理
tf.GRaphKeys.MOVING_AVEGAGE_VARIABLES 所有计算了滑动平均值的变量 计算变量的滑动平均值

 

表3-2 TensorFlow随机数生成函数

 

函数名称随机数分布主要参数
tf.random_normal 正太分布 平均值、标准差、取值类型
tf.truncated_normal 正太分布,如果随机出来的值偏离均值超过2个标准差,重新随机 平均值、标准差、取值类型
tf.random_uniform 平均分布 最小、最大取值、取值类型
tf.random_gamma Gamma分布 形状参数alpha、尺度参数beta、取值类型

 

表3-3 TensorFlow常数生成函数

 

函数名称功能样例
tf.zeros 产生全0数组 tf.zeros([2,3],int32)–>[[0,0,0],[0,0,0]]
tf.ones 产生全1数组 tf.ones(2,3],int32)–>[[1,1,1],[1,1,1]]
tf.fill 产生一个给定值的数组 tf.fill([2,3],9)–>[[9,9,9],[9,9,9]]
tf.constant 产生一个给定值常量 tf.constant([1,2,3])–>[1,2,3]

 

训练神经网络步骤: 
1. 定义神经网络结构和前向传播输出结果 
2. 定义损失函数及反向传播优化算法 
3. 生成会话(tf.Session)并在训练数据上反复运行反向传播优化算法

 

以上是关于tensorflow:实战Google深度学习框架第三章的主要内容,如果未能解决你的问题,请参考以下文章

《TensorFlow实战Google深度学习框架(第二版)》学习笔记及书评

《TensorFlow实战Google深度学习框架(第二版)》学习笔记及书评

学习《TensorFlow实战Google深度学习框架 (第2版) 》中文PDF和代码

求《TensorFlow:实战Google深度学习框架》全文免费下载百度网盘资源,谢谢~

TensorFlow实战Google深度学习框架

《TensorFlow实战Google深度学习框架(第2版)》+《TensorFlow实战_黄文坚》