Tensorflow笔记一
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笔记一，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875字，纯文字阅读大概需要2分钟。
内容图文
Tensorlfow中的计算是通过一个有向图directed graph或则计算图computation graph来实现的。
将每一个运算操作operation作为一个节点node，节点之间通过边edge连接。
这个计算图描述的数据计算流程用户可以进行相关分支、循环、选择。使用的语言是python、C++、java、Go等。
计算图中每一个节点可以有多个输入和输出，每个节点只能描述一种运算操作。所以节点是运算操作的实例化（instance）。
在计算图中传递（流动flow）的数据叫张量（tensor）
tensor的数据类型可以预先定义也可以根据计算图的结构推断得到，特殊情况下的依赖控制边（control dependencies）,他的功能是起始节点执行计算后再执行目标节点方便用户进行条件控制，只要用在限制内存的高峰值。
import tenorlfow as tf
b = tf.Variable(tf.zeros([100])) #生成100维的向量初始化为0
w = tf.Veriable（tf.random_unifrom([784,100],-1,1) #生成784*100的随机矩阵w
x = tf.placeholder(name = "x") #输入的placeholder
relu = tf.nn.relu(tf.matmul(w,x)+b) #ReLU(Wx+b)
C = [. . .] #根据ReLU函数的结果计算Cost
s = tf.Seeion( )
for step in range(0,10):
input = . . .construct 100-D input arry . . .# 为输入创建一个100维的向量
result = s. run(C,feed_dirc = {x: input}) #获取Cost供给输入x
print（step，result）
原文：https://www.cnblogs.com/yunxinan/p/9389801.html
内容总结
以上是互联网集市为您收集整理的Tensorflow笔记一全部内容，希望文章能够帮你解决Tensorflow笔记一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。