一、tesorflow基本概念

二、計算圖

一個機器學習任務的核心是模型的定義以及模型的參數求解方式，對這兩者進行抽象之后，可以確定一個唯一的計算邏輯，將這個邏輯用圖表示，稱之為計算圖。計算圖表現為有向無環圖，定義了數據的流轉方式，數據的計算方式，以及各種計算之間的相互依賴關系等

三、操作

3.1 運算操作定義類操作的類型，以及參與運算的數據的類型

3.2 tensorflow中的運算符

變量運算指的是element wise運算

四、變量

4.1 創建變量

通過tf.Variables()函數創建

4.2變量初始化方式

• 一次性全部初始化
  sess.run(tf.global_variables_initializer())
• 自定義初始化
• 由另一個變量初始化。通過變量的initial_value實行，對新的變量初始化

b = tf.Variable(tf.zeros([1])) c = tf.Variable(b.initial_value,name='ll')

4.3變量的保存與恢復

saver.save(sess, 'my-model', global_step=step)
訓練過程，根據訓練的步數保存模型

• 保存變量tf.train.Saver()

import tensorflow as tf import numpy as np # 訓練數據 x_data = np.float32(np.random.rand(2,100)) y_data = np.dot([0.1,0.2],x_data)+0.3 # 定義模型 b = tf.Variable(tf.zeros([1])) w = tf.Variable(tf.random_uniform([1,2],-1,1)) y = tf.matmul(w,x_data)+b # 定義損失函數 loss = tf.reduce_mean(tf.square(y-y_data)) optimizer = tf.train.AdamOptimizer(0.01) train = optimizer.minimize(loss)init = tf.global_variables_initializer() saver = tf.train.Saver()# 保存變量 sess = tf.Session() sess.run(init) sess.run(train) path = saver.save(sess,'./var.ckpt')# 返回保存路徑 print(path)

• 恢復變量
  saver.restore(sess,'./var.ckpt')
  取變量值時，在變量名后面加:0

import tensorflow as tf import numpy as npb = tf.Variable(tf.zeros([1])) w = tf.Variable(tf.random_uniform([1,2],-1,1),name='w')init = tf.global_variables_initializer() saver = tf.train.Saver()# 保存變量 sess = tf.Session() sess.run(init)print('w_current:',sess.run(w)) # path = saver.save(sess,'./var.ckpt')# 返回保存路徑 # print(path) saver.restore(sess,'./var.ckpt') print('w_save:',sess.run('w:0'))# 取變量值時，后面加:0

• 保存部分變量
  保存部分變量。需要保存的變量，以字典的形式傳入tf.train.Saver()
• 恢復部分變量
  saver.restore(sess,'./part_var.ckpt')
  取變量值，通過變量名取出，不是別名sess.run(b1)

import tensorflow as tf import numpy as npb1 = tf.Variable(tf.random_uniform([1])) b2 = tf.Variable(tf.random_uniform([1])) w = tf.Variable(tf.random_uniform([1,2],-1,1),name='w')init = tf.global_variables_initializer() # 保存部分變量。需要保存的變量，以字典的形式傳入tf.train.Saver() saver = tf.train.Saver({'bf':b1,'bh':b2}) sess = tf.Session() sess.run(init)# print('w_current:',sess.run(w)) print('b1_current:',sess.run(b1)) print('b2_current:',sess.run(b2)) # path = saver.save(sess,'./part_var.ckpt')# 返回保存路徑 # print(path) s = saver.restore(sess,'./part_var.ckpt') print('b1_save:',sess.run(b1))# 取變量值時 print('b2_save:',sess.run(b2))# 取變量值時

5 會話

5.1 會話的創建和運行

總結

以上是生活随笔為你收集整理的tensorflow基本概念的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。