TensorFlow
TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。
在学这个期间，大脑要形成由若干神经元组成的神经网络的模型，这样就是快速进入学习这个机器学习，深度学习框架基础。
安装
click here这里不再赘述
进入简单代码入门
//矩阵相乘
import tensorflow as tf
matrix1 = tf.constant([[3, 3]]) //定义常量
matrix2 = tf.constant([[2],
[2]])
product = tf.matmul(matrix1, matrix2) //矩阵相乘
// method a
sess = tf.Session() //运行必须用到Session()
result = sess.run(product)
print result
sess.close()
// method b
# with tf.Session() as sess:
# result = sess.run(product) // sess.run() 启动整个神经网络
# #print(result)
输出
########################################
[[12]]
########################################
//简单的神经网络图
矩阵相乘
下面的类似
//变量加法
import tensorflow as tf
state = tf.Variable(0, name='counter') //定义变量，name可以不定义
#print state.name //counter:0
one = tf.constant(1)
new_value = tf.add(state,one)
update = tf.assign(state, new_value) // 表示new_value 赋值给state的过程
init = tf.initialize_all_variables() //如果有变量，必须写上
with tf.Session() as sess:
sess.run(init)
for _ in range(5):
sess.run(update)
print sess.run(state)
########################################
1
2
3
4
5
########################################
//placeholder 占位符，先占着位置，最后在添加参数
import tensorflow as tf
input1 = tf.placeholder(tf.float32) //参数格式有所种，但是类型一定要标明
input2 = tf.placeholder(tf.float32)
output = tf.mul(input1,input2)
with tf.Session() as sess:
print sess.run(output, feed_dict={input1:[7.],input2:[2.]}) // 传入参数
########################################
[ 14.]
########################################
欢迎关注深度学习自然语言处理公众号
image
网友评论