Python深度学习TensorFlow神经网络基础概括

目录

• 一、基础理论
• 1、TensorFlow
• 2、TensorFlow过程
• 1、构建图阶段
• 2、执行图阶段（会话）
• 二、TensorFlow实例（执行加法）
• 1、构造静态图
• 1-1、创建数据（张量）
• 1-2、创建操作（节点）
• 2、会话（执行）
• API：
• 普通执行
• fetches（多参数执行）
• feed_dict（参数补充）
• 总代码

一、基础理论

1、TensorFlow

tensor：张量（数据）

flow：流动

Tensor-Flow：数据流

2、TensorFlow过程

TensorFlow构成：图和会话

1、构建图阶段

构建阶段：定义了数据(张量tensor)与操作(节点operation)，构成图（静态）

张量：TensorFlow中的基本数据对象。

节点：提供图中执行的操作。

2、执行图阶段（会话）

执行阶段：使用会话执行定义好的数据与操作。

二、TensorFlow实例（执行加法）

1、构造静态图

1-1、创建数据（张量）

#图（静态）
a = tf.constant(2)    #数据1（张量）
b = tf.constant(6)    #数据2（张量）

1-2、创建操作（节点）

c = a + b              #操作（节点）

2、会话（执行）

API：

普通执行

#会话（执行）
with tf.Session() as sess:
    print(sess.run(a + b))

fetches（多参数执行）

#会话（执行）
with tf.Session() as sess:
    print(sess.run([a,b,c]))

feed_dict（参数补充）

def Feed_Add():
    #创建静态图
    a = tf.placeholder(tf.float32)
    b = tf.placeholder(tf.float32)
    c = tf.add(a,b)
    
    #会话（执行）
    with tf.Session() as sess:
        print(sess.run(c, feed_dict={a:0.5, b:2.0}))

总代码

import tensorflow as tf
def Add():
    #图（静态）
    a = tf.constant(2)    #数据1（张量）
    b = tf.constant(6)    #数据2（张量）
    c = a + b              #操作（节点） 
    #会话（执行）
    with tf.Session() as sess:
        print(sess.run([a,b,c])) 
def Feed_Add():
    #创建静态图
    a = tf.placeholder(tf.float32)
    b = tf.placeholder(tf.float32)
    c = tf.add(a,b)    
    #会话（执行）
    with tf.Session() as sess:
        print(sess.run(c, feed_dict={a:0.5, b:2.0}))        
Add()
Feed_Add()

以上就是Python深度学习TensorFlow神经网络基础概括的详细内容，更多关于TensorFlow神经网络基础的资料请关注华域联盟其它相关文章！

您可能感兴趣的文章:

• Python深度学习实战PyQt5基本控件使用解析
• Python深度学习pytorch实现图像分类数据集
• Python深度学习pytorch卷积神经网络LeNet
• Python深度学习之实现卷积神经网络
• Python深度学习神经网络基本原理

本文由 华域联盟 原创撰写：华域联盟 » Python深度学习TensorFlow神经网络基础概括

转载请保留出处和原文链接：https://www.cnhackhy.com/38957.htm