tensorflow的函数
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了tensorflow的函数,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含2221字,纯文字阅读大概需要4分钟。
内容图文
![tensorflow的函数](/upload/InfoBanner/zyjiaocheng/1119/78bcb28aa7bb407aa6adc6d0c0de634e.jpg)
1.
if __name__=="__main__": tf.app.run()#运行之前定义的main函数
#将传进来的参数,以及flags.FLAGS定义的参数传入到main函数中
2.
# flags的定义 flags=tf.app.flags flags.DEFINE_string("save_path",None,"Directory to write the model and training summaries.") FLAGS=flags.FLAGS
3.
tf.random_uniform((2,2),minval=-0.5,maxval=0.5,dtype=tf.float32) tf.random_uniform([2,2],minval=-0.5,maxval=0.5,dtype=tf.float32) #是相同的
4.
tf.nn.uniform_candidate_sampler()#均匀地采样出类别子集tf.nn.log_uniform_candidate_sampler() tf.nn.fixed_unigram_candidate_sampler()#按照用户提供的概率分布进行采样
tf.nn.uniform_candidate_sampler(true_classes=,num_true=,num_sampled=,unique=,range_max=,) #目标的类别,size为[batch_size,num_true] # num_true 每个训练例子目标类别的数量 #num_sampled 每个批次抽样的类别的数量 #unique 被抽样的类别是否是unique的 #range_max 可能类别的数量
5.
tf.nn.embedding_lookup(params=,ids=,) #在params中查找ids元素的表示、
#抽取出ids元素行号的数据,列的维度是相同的
tf.reduce_mean(-tf.reduce_sum(y*tf.log(a),reduction_indices=[1])) #0是按照列向量求均值,1是按照行向量求均值,得到的都是行向量
6.最简单的mnist识别代码
from __future__ import absolute_import from __future__ import division from __future__ import print_function import tensorflow as tf import numpy as np import math import gzip import os import tempfile from tensorflow.examples.tutorials.mnist import input_data flags = tf.app.flags FLAGS = flags.FLAGS flags.DEFINE_string(‘data_dir‘, ‘/Users/guoym/Desktop/models-master‘, ‘Directory for storing data‘) mnist = input_data.read_data_sets(FLAGS.data_dir, one_hot=True) x = tf.placeholder(tf.float32, [None, 784]) # 占位符 y = tf.placeholder(tf.float32, [None, 10]) W = tf.Variable(tf.zeros([784, 10])) b = tf.Variable(tf.zeros([10])) a = tf.nn.softmax(tf.matmul(x, W) + b) cross_entropy=tf.reduce_mean(-tf.reduce_sum(y*tf.log(a),reduction_indices=[1])) #注意区分矩阵乘法和一一对应的乘法 optimizer=tf.train.GradientDescentOptimizer(0.5) train=optimizer.minimize(cross_entropy) correct_prediction=tf.equal(tf.argmax(a,1),tf.argmax(y,1)) accuracy=tf.reduce_mean(tf.cast(correct_prediction,tf.float32)) sess=tf.InteractiveSession() tf.initialize_all_variables().run() for i in range(1000): batch_xs,batch_ys=mnist.train.next_batch(100) train.run({x:batch_xs,y:batch_ys}) print (sess.run(accuracy,feed_dict={x:mnist.test.images,y:mnist.test.labels}))
原文:http://www.cnblogs.com/qniguoym/p/7760707.html
内容总结
以上是互联网集市为您收集整理的tensorflow的函数全部内容,希望文章能够帮你解决tensorflow的函数所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。