提纲
- 在
tf.Session
里面进行运算。 - 通过
tf.constant()
创建常量 tensor。 - 用
tf.placeholder()
和feed_dict
得到输入。 - 应用
tf.add()
、tf.subtract()
、tf.multiply()
和tf.divide()
函数进行数学运算。 - 学习如何用
tf.cast()
进行类型转换。
Session
TensorFlow 的 api 构建在 computational graph 的概念上,它是一种对数学运算过程进行可视化的方法。
1 | # Hello World |
这段代码用 tf.Session
创建了一个 sess 的 session 实例。然后 sess.run()
函数对 tensor 求值,并返回结果。
tf.constant()
返回的 tensor 是一个常量 tensor,因为这个 tensor 的值不会变。
输入
tf.placeholder()
、feed_dict
1 | x = tf.placeholder(tf.string) |
数学运算
tf.add()
tf.substract()
tf.multiply
类型转换
tf.cast(tf.constant(2.0), tf.int32)
TensorFlow 里的权重和偏差
tf.Variable
类创建一个 tensor,其初始值可以被改变
使用tf.global_variables_initializer()
函数来初始化所有可变 tensor。它会从 graph 中初始化所有的 TensorFlow 变量。你可以通过 session 来调用这个操作来初始化所有上面的变量。用tf.Variable
类可以让我们改变权重和偏差,但还是要选择一个初始值。
1 | init = tf.global_variables_initializer() |
- 使用
tf.truncated_normal()
函数从一个正态分布中生成随机数。 tf.truncated_normal()
返回一个 tensor,它的随机值取自一个正态分布,并且它们的取值会在这个正态分布平均值的两个标准差之内。tf.zeros()
函数返回一个都是 0 的 tensor。