tensorflow零起点快速入门(1)
导入:
其中的TF_CPP_MIN_LOG_LEVEL据说是为了忽略警告,但是我这里没有意义(numpy的一些警告)
import tensorflow as tf
import os
os.environ["TF_CPP_MIN_LOG_LEVEL"]='3'
常量字符串运算:
其中,log_device_placement参数配置到回话Session中,可以在运行时显示使用的是哪部分的资源(CPU,gpu)
hello=tf.constant('Hello')
cfig=tf.ConfigProto(log_device_placement=True)
sess=tf.Session(config=cfig)
dss=sess.run(hello)
print(dss)
sess.close()
常量矩阵运算:
sess=tf.Session()
a=tf.constant([1,2,3,4,5,6],shape=[2,3],name='a')
b=tf.constant([1,2,3,4,5,6],shape=[3,2],name='b')
c=tf.matmul(a,b)
xss=sess.run(c)
print(xss)
sess.close()
常量数字运算:
tf.add可以这里使用a+b的形式,name自动取得
sess=tf.Session()
a=tf.constant(1,name='ta')
b=tf.constant(2,name='tb')
#c=a+b
c=tf.add(a,b,name='tc')
sess=tf.Session()
xss=sess.run(c)
print(xss)
保存Tensorboard图:
保存图的过程中,提供相应的路径,然后保存sess.graph,是所有运行过的图。
xsum=tf.summary.FileWriter(".",sess.graph)
保存后,打开tensorboard:使用类型cmd命令:打开服务,然后浏览graph项
tensorboard --logdir="."
tensorboard还可以看到其它如直方图,结构图,分布图等部分。
获取默认tensorboard图,显示变量:
gg=tf.get_default_graph()
op1=gg.get_operations()
print(op1)
print(op1[1].node_def)
原始信息:(因为之前有一个字符串常量运行过,所以这里会记录第一个是Const)之前进行过矩阵运算,第一个a为矩阵,其信息则通过op[1].node_def显示出来了
变量计算:
变量计算需要使用tf.global_variables_initializer()进行初始化变量,否则可能报错。
x=tf.constant(1.0,name='input')
w=tf.Variable(0.8,name='weight')
y=tf.multiply(w,x,name='output')
sess=tf.Session()
sess.run(tf.global_variables_initializer())
ans=sess.run(y)
xsum=tf.summary.FileWriter('.',sess.graph)
print(ans)
sess.close()
对应图:
占位符运算演示:
定义好变量后,通过字典格式输入数据,获取结果并打印出来。
x=tf.placeholder(tf.float32,name='x')
y=tf.placeholder(tf.float32,name='y')
z=tf.add(x,y,name='z')
ss=tf.Session()
xsum=tf.summary.FileWriter('.',ss.graph)
xss=ss.run(z,feed_dict={x:1,y:2})
print(xss)
对应图:
eval可以解释字符串表达式
输出d为12
dss='10+2'
d=eval(dss)
d
tensorflow零起点快速入门(1)的更多相关文章
- tensorflow零起点快速入门(3)
创造并运行数据 创造了-3到3的32条数据,然后通过sess.run获取并显示输出数据. x=tf.linspace(-3.0,3.0,32) print(x) sess=tf.Session() r ...
- tensorflow零起点快速入门(2)
指定设备与矩阵乘法 使用tf.device("/gpu:0")用于指定设备进行运算. 在使用jupyter notebook的时候,可能会出现使用异常,需要使用config=tf. ...
- tensorflow零起点快速入门(5) --强化学习摘录截图
tf.random_normal_initializer tf的GraphKeys用法 tf.reduce_mean tf.squared_difference 非tf中的zip,python的zip ...
- tensorflow零起点快速入门(4) --入门常用API
tf.reduce_mean https://blog.csdn.net/he_min/article/details/78694383 计算均值,全部数字的均值,纵向一维的均值,横向一维的均值 tf ...
- TensorFlow 2.0 快速入门指南 | iBooker·ApacheCN
原文:TensorFlow 2.0 Quick Start Guide 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 不要担心自己的形象,只关心如何实现目标.--<原则>,生活 ...
- 序言 - PHP零基础快速入门
我为什么要写<PHP零基础快速入门>? 原因: PHP 真心简单,适合零基础的人快速入门掌握,身边的人学习一两周上手开发的比比皆是: 市面上的文章或书籍对初学者并不友好,多半枯燥乏味,我相 ...
- 零基础快速入门web学习路线(含视频教程)
下面小编专门为广大web学习爱好者汇总了一条完整的自学线路:零基础快速入门web学习路线(含视频教程)(绝对纯干货)适合初学者的最新WEB前端学习路线汇总! 在当下来说web前端开发工程师可谓是高福利 ...
- 零基础快速入门SpringBoot2.0 (一)
零基础快速入门SpringBoot2.0 (一) 一.SpringBoot2.x依赖环境和版本新特性说明 简介:讲解新版本依赖环境和springboot2新特性概述 1.依赖版本jdk8以上, Spr ...
- 小D课堂 - 零基础入门SpringBoot2.X到实战_第1节零基础快速入门SpringBoot2.0_1、SpringBoot2.x课程介绍和高手系列知识点
1 ======================1.零基础快速入门SpringBoot2.0 5节课 =========================== 1.SpringBoot2.x课程全套介绍 ...
随机推荐
- shell [ ] 和 [[ ]] 区别
[参考文章]:shell if [[ ]]和[ ]区别 || && [参考文章]:Shell test 命令 1. [ ] 和 test test 等同于 [ ] 可用于判断某个条件 ...
- Flume-Failover Sink Processor 故障转移与 Load balancing Sink 负载均衡
接上一篇:https://www.cnblogs.com/jhxxb/p/11579518.html 使用 Flume1 监控一个端口,其 sink 组中的 sink 分别对接 Flume2 和 Fl ...
- vscode 记住git用户密码
一.选中文件-->首选项-->设置,搜索git,在setting.json中添加 "git.path":"/bin/git.exe" 二.git b ...
- matlab处理矩阵
1.提取大矩阵的一列.一行元素:一列元素: A(:,j)表示提取A矩阵的第j列全部元素一行元素: A(i,:)表示提取A矩阵的第i行元素,于是我们有,A(i, j)表示提取A矩阵的第i行第j列的元 ...
- linux安装sz、rz的方法,及安装zip
Linux系统下安装rz/sz命令及使用说明 对于经常使用Linux系统的人员来说,少不了将本地的文件上传到服务器或者从服务器上下载文件到本地,rz / sz命令很方便的帮我们实现了这个功能,但是 ...
- 使用Fiddler抓取在夜神模拟器上的请求
一.设置Fiddler代理 1.点击Tools-Fiddler Options进入Fiddler Options页面 2.点击Connections,将Fiddler listens on port设 ...
- idea-eclipse快捷键对比
分类 功能点 Eclipse快捷键 IDEA快捷键 搜索 搜索文本 Ctrl + F Ctrl + F Ctrl + R 查找替换 Alt + P/A 逐个/全部替换 Alt + F3 查找当前选 ...
- Warning:detected "cgroupfs" as the Docker cgroup driver. The recommended driver is "systemd".
执行kubeadm init集群初始化时遇到: [WARNING IsDockerSystemdCheck]: detected "cgroupfs" as the Docker ...
- CTF—攻防练习之Capture the Flag
主机:192.168.32.152 靶机:192.168.32.160 首先nmap扫描端口: ftp,ssh,http服务 dirb扫描目录,flag下有一个flag password目录下,查看源 ...
- ARB扩展与标准OpenGL的关系
由于OpenGL的标准更新不是很频繁,因此,当某种技术应用流行起来时,显卡厂商为了支持该技术,会使用自己的扩展来实现该功能.但是不同厂商如果有不同的实现,那么程序编写将会异常繁琐.因此多个厂商共同协商 ...