基于TensorFlow的NN： 用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型。
张量（Tensor）：多维数组（列表）
阶： 张量的维数
| n阶 张量 | 名字及例子 |
|---|---|
| 0 | 标量，s=123 |
| 1 | 向量，v=[1,2,3] |
| 2 | 矩阵，m=[[1,2,3],[4,5,6],[7,8,9]] |
| n | 张量 ，t=[[[…n个 |
张量可以表示0阶到n阶数组（列表）
未来会常用vim编辑器，为了方便，我们先修改vim的配置文件：
vim ~/.vimrc写入： set ts=4 使tab键等效为4个空格 set nu 使vim显示行号 TensorFlow的数据类型：tf.float32、tf.int32…
import tensorflow as tf 导入tensorflow模块 a = tf.constant([1.0,2.0]) 定义常数 b=tf.constant([3.0,4.0]) result = a+b print result 显示：
Tensor("add:0",shape=(2,),dtype=float32) 表示：“节点名：第0个输出”，维度=一维数组长度为2，数据类型 结果截图：
计算图：（Graph）搭建神经网络的计算，只搭建，不运算（只描述运算过程）
y=XW=x1w1+x2w2
import tensorflow as tf x = tf.constant([[1.0,2.0]]) 两行一列 w=tf.constant([[3.0],[4.0]]) 一行两列 y=tf.matmul(x,w) print y 显示：
Tensor("matmul:0",shape(1,1),dtype=float32) 结果shape一行一列 结果截图：
以上得到的只是图，不是结果，如果想得到结果就要用到会话了。
会话：（Session）执行计算图中的节点运算。
版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/rgzn-tfkj/4936.html