2. 程式人生 > >TensorFlow入門一

TensorFlow入門一

阿新 • • 發佈：2019-02-08

cuda與tensorflow安裝

按以往經驗，tensorflow安裝一條pip命令就可以解決，前提是有fq工具，沒有的話去找找牆內別人分享的地址。而坑多在安裝支援gpu，需預先安裝英偉達的cuda，這裡坑比較多，推薦使用ubuntu deb的安裝方式來安裝cuda，run.sh的方式總感覺有很多問題，cuda的安裝具體可以參考。 注意連結裡面的tensorflow版本是以前的，tensorflow 現在官方上的要求是cuda7.5+cudnnV4，請在安裝的時候注意下。

Hello World

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!'
 
)
sess = tf.Session()print sess.run(hello)

首先，通過tf.constant建立一個常量，然後啟動Tensorflow的Session，呼叫sess的run方法來啟動整個graph。 接下來我們做下簡單的數學的方法：

import tensorflow as tf
a = tf.constant(2)
b = tf.constant(3)with tf.Session()as sess:print"a=2, b=3"print"Addition with constants: %i"% sess.run(a+b)print"Multiplication with constants: %i"
 
% sess.run(a*b)# output
a=2, b=3Additionwith constants:5Multiplicationwith constants:6
import tensorflow as tf
a = tf.placeholder(tf.int16)
b = tf.placeholder(tf.int16)
add = tf.add(a, b)
mul = tf.mul(a, b)with tf.Session()as sess:# Run every operation with variable inputprint"Addition with variables: %i"
 
% sess.run(add, feed_dict={a:2, b:3})print"Multiplication with variables: %i"% sess.run(mul, feed_dict={a:2, b:3})# output:Additionwith variables:5Multiplicationwith variables:6
matrix1 = tf.constant([[3.,3.]])
matrix2 = tf.constant([[2.],[2.]])
product=tf.matmul(matrix1,matrix2)with tf.Session()as sess:
    result = sess.run(product)print result
    #result:12

線性迴歸

import tensorflow as tf
import numpy
import matplotlib.pyplot as plt
rng = numpy.random

# Parameters
learning_rate =0.01
training_epochs =2000
display_step =50# Training Data
train_X = numpy.asarray([3.3,4.4,5.5,6.71,6.93,4.168,9.779,6.182,7.59,2.167,7.042,10.791,5.313,7.997,5.654,9.27,3.1])
train_Y = numpy.asarray([1.7,2.76,2.09,3.19,1.694,1.573,3.366,2.596,2.53,1.221,2.827,3.465,1.65,2.904,2.42,2.94,1.3])
n_samples = train_X.shape[0]# tf Graph Input
X = tf.placeholder("float")
Y = tf.placeholder("float")# Create Model# Set model weights
W = tf.Variable(rng.randn(), name="weight")
b = tf.Variable(rng.randn(), name="bias")# Construct a linear model
activation = tf.add(tf.mul(X, W), b)# Minimize the squared errors
cost = tf.reduce_sum(tf.pow(activation-Y,2))/(2*n_samples)#L2 loss
optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)#Gradient descent# Initializing the variables
init = tf.initialize_all_variables()# Launch the graphwith tf.Session()as sess:
    sess.run(init)# Fit all training datafor epoch in range(training_epochs):for(x, y)in zip(train_X, train_Y):
            sess.run(optimizer, feed_dict={X: x, Y: y})#Display logs per epoch stepif epoch % display_step ==0:print"Epoch:",'%04d'%(epoch+1),"cost=", \
                "{:.9f}".format(sess.run(cost, feed_dict={X: train_X, Y:train_Y})), \
                "W=", sess.run(W),"b=", sess.run(b)print"Optimization Finished!"print"cost=", sess.run(cost, feed_dict={X: train_X, Y: train_Y}), \
          "W=", sess.run(W),"b=", sess.run(b)#Graphic display
    plt.plot(train_X, train_Y,'ro', label='Original data')
    plt.plot(train_X, sess.run(W)* train_X + sess.run(b), label='Fitted line')
    plt.legend()
    plt.show()

邏輯迴歸

import tensorflow as tf
# Import MINST datafrom tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)# Parameters
learning_rate =0.01
training_epochs =25
batch_size =100
display_step =1# tf Graph Input
x = tf.placeholder(tf.float32,[None,784])# mnist data image of shape 28*28=784
y = tf. 
 

            
  

           

              
              

            

            
相關推薦

			   
            
            
            
 

    


    
    
TensorFlow入門(一) TensorFlow計算模型——計算圖

     
 
                1.1 TensorFlow計算模型——計算圖

計算圖是TensorFlow中最基本的一個概念，TensorFlow中的所有計算都會被轉為計算圖上的節點。

1.1.1 計算圖的概念

Tensor就是張量，可以簡單理解為多維陣列。Tensor表明了它的資料結構，而Flow 



  
 

    


    
    
TensorFlow入門( 一)--基本用法

     
 
                
1.    計算圖是TensorFlow中最基本的一個概念，TensorFlow中所有計算都會被轉化為計算圖上的節點。TensorFlow的名字已經說明了它最重要的兩個概念-Tensor和Flow。Tensor就是張量。在TensorFlow中，可以解釋為多維陣列。如果說T 



  
 

    


    
    
Tensorflow 入門一 （安裝配置，會話控制，變數常量，傳入值）

     
 
                
Tensorflow：
TensorFlow是谷歌基於DistBelief進行研發的第二代人工智慧學習系統，主要是深度神經網路模型。
也是一時興起開始學習這玩意，走到哪，部落格寫到哪裡，全當記錄。
主要參考資料一方面是0.8.0版極客學院翻譯版資料，另一方面是油管上週莫煩的 



  
 

    


    
    
TensorFlow入門一

     
 
                


cuda與tensorflow安裝
按以往經驗，tensorflow安裝一條pip命令就可以解決，前提是有fq工具，沒有的話去找找牆內別人分享的地址。而坑多在安裝支援gpu，需預先安裝英偉達的cuda，這裡坑比較多，推薦使用ubuntu deb的安裝方式來安裝cuda， 



  
 

    


    
    
tensorflow入門 （一)

     
 統一   .sh   函數   soft   acf   layers   估計   一個地方   aid   轉載：作者：地球的外星人君鏈接：https://www.zhihu.com/question/49909565/answer/207609620來源：知乎著作權歸作者所有。商業轉載請聯系作者獲得授權 



  
 

    


    
    
TensorFlow入門筆記（一）基本操作

     
 result   官方教程   with   orf   print   blog   res   ont   constant   0. 環境配置
安裝Anaconda，python3環境，然後利用conda命令配置的tensorflow環境。
參考極客學院翻譯TensorFlow官方教程：http://w 



  
 

    


    
    
機器學習筆記（九）：Tensorflow 實戰一 （Tensorflow入門）

     
  
  
  
 1 - TsensorFlow計算模型 ——計算圖 
 1.1- 計算圖的概念 
 計算圖是TensorFlow中最基本的一個概念，TensorFlow中的所有計算都會被轉化為計算圖上的節點。 
 在TensorFlow中，張量可以簡單地理解為多為陣列。如果說TensorFlow的第一個詞T 



  
 

    


    
    
Tensorflow學習筆記（一）Tensorflow入門

     
  
 
  
  
 Tensorflow入門 
 前言： 
 本文是閱讀《TensorFlow：實戰Google深度學習框架》第三章提煉出來的筆記，非本人原創。 這一章主要介紹： 
  
  TensorFlow 名字說明最重要兩個概念：Tensor(張量)，Flow(流)。 
  tensor張量可以理解 



  
 

    


    
    
tensorflow——入門程式碼一（minist master）

     
 
                一 檔案結構



    並不是自己下載的程式碼，老師給的，看到readme.md猜測可能時github上下載的。先理一下這個檔案結構，最_pycache_檔案有什麼用（https://blog.csdn.net/index20001/article/details/735 



  
 

    


    
    
Tensorflow入門筆記（一） Anaconda3如何切換Python3.5並安裝TensorFlow（包括安裝Spyder 與Jupyter notebook）

     
 
                一、前言：

      題主配置： Win10、Anaconda3 （對應Python 3.6.5）

二、Anaconda切換Python版本

【注】（Anaconda2跟3其實是一樣的操作）

1.建立Python的新版本環境

【注】進入命令列（ctrl+R，輸入c 



  
 

    


    
    
Tensorflow入門二   mnist識別（一）

     
 
                
話不多說，直接上程式碼
看註釋就 OK 啦
import numpy as np
import sklearn.preprocessing as prep
import tensorflow as tf
from tensorflow.examples.tutorials. 



  
 

    


    
    
Tensorflow基礎知識與神經網路構建--step by step 入門TensorFlow（一）

     
 
							
							
							Tensorflow基礎知識與神經網路構建–step by step 入門TensorFlow（一）

標籤： Tensorflow



我們將採用Jupyter notebook互動式程式設計的方式，通過一步步程式碼的講解，學習Tensorflow程式設計。 



  
 

    


    
    
tensorflow入門（一）---從一個小程式說起

     
 
                
我們現在需要擬合一條直線，通常我們會選用最小二乘的方法，通過程式設計優化實現，現在我們先用tensorflow提供的API來實現這個程式。麻雀雖小五臟俱全，裡面會涉及到很多tensorflow的核心API和思想：
我們隨機生成100個點，然後對這個點進行擬合，通過梯度下降演 



  
 

    


    
    
github入門一

     
 oba   版本   bash   .exe   use   conf   arp   logs   sharp   一、首先安裝gitbash（自行百度）我使用的版本是Git-2.12.2.2-64-bit.exe
二、配置gitbash本地客戶端
1、初始設置
1.1、設置姓名和郵箱地址


git co 



  
 

    


    
    
Web API 入門一

     
 orm   記錄   XML   理解   nbsp   路由規則   api   實現   cli   　　之前我也了解過Web API 這部分，但是沒有系統學習，更沒有相關記錄，故現在，寫些博客記錄入門學習過程。首先，關於API，只要學習編程的都應該知道，也都用過，API（應用程序編程接口）是一些預先定義 



  
 

    


    
    
Redis入門一

     
 com   最長   array   ber   有序列表   ati   ash   object   -s   摘要： Redis支持的數據類型： Binary-safe strings： 字符串 Lists：有序列表；底層維護的是一個鏈表結構，包含字符串元素的集合，有順序、根據插入順序而定 Sets ： 



  
 

    


    
    
Django入門一之安裝

     
 路徑   pac   是否   code   mage   添加   django   技術   src   1. 習慣性的創建虛擬環境

# 由於我安裝也安裝了pyhton3所以在前面要加python2 -m
F:\Python Script\MyVirtualenv>python2 -m virtu 



  
 

    


    
    
ViewPager 入門一

     
 mono   port   creat   not   設置   data-   b2c   style   新建   

使用ViewPager能夠得到不同view的切換效果
例如以下圖，實現了四個view間的相互滑動



一、新建項目，引入ViewPager控件
ViewPager。它是 



  
 

    


    
    
Spring入門一----HelloWorld

     
 sig   mct   ng2   anr   nba   abs   alpha   ont   don   OC%E5%9F%BA%E7%A1%80%E5%8D%81%E7%B1%BB%E7%9A%84%E6%9C%AC%E8%B4%A8%E5%8F%8Aisa%E6%8C%87%E9%92%88%E5% 



  
 

    


    
    
Python入門 (一)Python3.6安裝

     
 修改   pla   color   style   com   www   方便   mar   更改   　　Python語言現在比較火，在本科學習期間沒有接觸過Python語言，現在打算從頭學起。我的電腦系統是Windows系統。
　　學習Python語言首先需要在電腦上配置Python環境。可以選擇去