tensorflow课程笔记（一）

MOOC上的tensorflow课程笔记

import tensorflow as tf
"""
a &＃61; tf.constant([1.0,2.0]) #一行两列的张量
b &＃61; tf.constant([3.0,4.0]) #一行两列的张量
result &＃61; a &＃43; b
print(result) #打印计算图
结果为&＃xff1a;Tensor("add:0", shape&＃61;(2,), dtype&＃61;float32)add操作&＃xff0c;第0个开始计算&＃xff08;&＃xff1f;&＃xff09;&＃xff0c;一维的张量&＃xff0c;有两个值&＃xff0c;类型都是float32
"""
"""
#计算图&＃xff1a;搭建神经网络的计算过程&＃xff0c;只搭建&＃xff0c;不计算
#现在要搭建y&＃61;XW &＃61; x1*w1 &＃43; x2*w2 的计算图
x &＃61; tf.constant([[1.0,2.0]]) #一行两列的张量
w &＃61; tf.constant([[3.0],[4.0]]) #两行一列的张量
y &＃61; tf.matmul(x,w) #张量相乘
print(y)
#计算结果&＃xff1a;Tensor("MatMul:0", shape&＃61;(1, 1), dtype&＃61;float32)
with tf.Session() as sess:print(sess.run(y))
#计算结果&＃xff1a;[[11.]]"""
"""
生成变量
w &＃61; tf.Variable(tf.random_normal([2,3],stddev&＃61;2,mean&＃61;0,seed&＃61;1))[2,3] 产生2*3的矩阵 stddev标准差 mean均值 seed随机种子tf.random_normal 正态分布tf.random_uniform 平均分布
生成常量
tf.zeros 全零数组
tf.ones 全1数组
tf.fill 全定值数组
tf.constant 直接给值
"""
"""
神经网络实现过程&＃xff1a;
1.准备数据集&＃xff0c;提取特征&＃xff0c;作为输入喂给神经网络
2.搭建NN结构&＃xff0c;从输入到输出&＃xff08;先搭计算图&＃xff0c;再用会话执行&＃xff09;NN前向传播算法-》计算输出
3.大量特征数据喂给NN&＃xff0c;迭代优化NN参数NN反向传播算法-》优化参数训练模型
4.使用训练好的模型预测和分类
"""
"""
使用tf.placeholder占位符喂数据
喂一组数据
x &＃61; tf.placeholder(tf.float32,shape&＃61;[1,2]) #一行两列
sess.run(y,feed_dict&＃61;{x:[[0.5,0.6]]})
喂多组数据
x &＃61; tf.placeholder(tf.float32,shape&＃61;[None,2])
sess,run(y,feed_dict&＃61;{x:[0.1,0.2],[0.2,0.3],[0.3,0.4],[0.4,0.5]})
"""

简单的神经网络搭建

#coding:utf-8
#两层神经网络&＃xff08;全连接&＃xff09;
import tensorflow as tf#定义输入和参数
#x &＃61; tf.constant([[0.7,0.5]]) #定义一行两列的张量
#用placeholder实现输入定义&＃xff08;sess.run中喂一组数据&＃xff09;
x &＃61; tf.placeholder(tf.float32,shape&＃61;[None,2]) #这样表示多行2列
w1 &＃61; tf.Variable(tf.random_normal([2,3], stddev&＃61;1, seed&＃61;1)) #正态分布
w2 &＃61; tf.Variable(tf.random_normal([3,1], stddev&＃61;1, seed&＃61;1)) #三行一列
"""w1&＃61; [[-0.8113182 1.4845988 0.06532937][-2.4427042 0.0992484 0.5912243 ]]w2&＃61; [[-0.8113182 ][ 1.4845988 ][ 0.06532937]]w1就是输入到隐藏层的三个过程的权重w2就是隐藏层到输出层的三个过程的权重
"""
"""
x11 -- w1 a1 w2w1 a2 w2 -- y
x12 -- w1 a3 w2"""#定义前向传播过程
a &＃61; tf.matmul(x, w1) #x乘以w1
y &＃61; tf.matmul(a, w2)"""
a&＃61; [[-1.7892749 1.0888433 0.34134272]]
y&＃61; [[3.0904665]]a11 &＃61; w1 11*x11 &＃43; w2 21*x12
a12 &＃61; w1 12*x11 &＃43; w2 22*x12
a13 &＃61; w1 13*x11 &＃43; w2 23*x13
"""#用会话计算结果
with tf.Session() as sess:init_op &＃61; tf.global_variables_initializer()sess.run(init_op)#print("y in this file is:\n",sess.run(y))"""print("w1&＃61;",sess.run(w1))print("w2&＃61;",sess.run(w2))print("a&＃61;",sess.run(a))print("y&＃61;",sess.run(y))"""print("y&＃61;",sess.run(y,feed_dict&＃61;{x:[[0.7,0.5],[0.3,0.2],[0.8,0.9]]}))"""输出结果&＃xff1a;y&＃61; [[3.0904665][1.2935174][4.2442317]]"""