Python深度学习TensorFlow神经网络基础概括 Python深度学习TensorFlow神经网络

一、基础理论

1、TensorFlow
2、TensorFlow过程

1、构建图阶段
2、执行图阶段（会话）

二、TensorFlow实例（执行加法）

1、构造静态图

1-1、创建数据（张量）
1-2、创建操作（节点）

2、会话（执行）

API：
普通执行
fetches（多参数执行）
feed_dict（参数补充）

总代码

一、基础理论
1、TensorFlow
tensor：张量（数据）
flow：流动
Tensor-Flow：数据流

文章图片

2、TensorFlow过程
TensorFlow构成：图和会话
【Python深度学习TensorFlow神经网络基础概括】
1、构建图阶段构建阶段：定义了数据(张量tensor)与操作(节点operation)，构成图（静态）
张量：TensorFlow中的基本数据对象。
节点：提供图中执行的操作。

2、执行图阶段（会话）执行阶段：使用会话执行定义好的数据与操作。

二、TensorFlow实例（执行加法）
1、构造静态图

1-1、创建数据（张量）

#图（静态）a = tf.constant(2)#数据1（张量）b = tf.constant(6)#数据2（张量）

1-2、创建操作（节点）

c = a + b#操作（节点）

2、会话（执行）

API：

文章图片

普通执行

#会话（执行）with tf.Session() as sess:print(sess.run(a + b))

文章图片

fetches（多参数执行）

#会话（执行）with tf.Session() as sess:print(sess.run([a,b,c]))

文章图片

feed_dict（参数补充）

def Feed_Add():#创建静态图a = tf.placeholder(tf.float32)b = tf.placeholder(tf.float32)c = tf.add(a,b)#会话（执行）with tf.Session() as sess:print(sess.run(c, feed_dict={a:0.5, b:2.0}))

文章图片

总代码

import tensorflow as tfdef Add():#图（静态）a = tf.constant(2)#数据1（张量）b = tf.constant(6)#数据2（张量）c = a + b#操作（节点） #会话（执行）with tf.Session() as sess:print(sess.run([a,b,c])) def Feed_Add():#创建静态图a = tf.placeholder(tf.float32)b = tf.placeholder(tf.float32)c = tf.add(a,b)#会话（执行）with tf.Session() as sess:print(sess.run(c, feed_dict={a:0.5, b:2.0}))Add()Feed_Add()

以上就是Python深度学习TensorFlow神经网络基础概括的详细内容，更多关于TensorFlow神经网络基础的资料请关注脚本之家其它相关文章！