【Tensorflow】小白入门实战基础篇(上)

代码包含内容:创建张量、使用占位符和变量、矩阵计算

import tensorflow as tf
import numpy as np# 创建张量
zeros = tf.zeros([3, 3])
ones = np.ones([3, 3])# 创建变量
ones_var = tf.Variable(ones)
# 变量初始化
sess = tf.Session() # 创建图会话
init_op = tf.global_variables_initializer()
# sess.run(ones_var.initializer)
sess.run(init_op)
print(sess.run(ones_var))# 变量用作算法的参数
# 占位符是tensor对象表示输入输出数据的格式
x = tf.placeholder(tf.float32, shape=[2,2])
y = tf.identity(x) # 返回占位符传入的数据本身
print(x)
# 输出:Tensor("Placeholder:0", shape=(2, 2), dtype=float32)
print(y)
# 输出:Tensor("Identity:0", shape=(2, 2), dtype=float32)
x_vals = np.random.rand(2, 2)
print(x_vals)
# x_vals的输出:
# [[0.0516585  0.33338653]
#  [0.29599219 0.60122476]]
sess.run(y, feed_dict={x: x_vals})
print(sess.run(y, feed_dict={x: x_vals}))
# 输出:
# [[0.0516585  0.33338654]
# [0.2959922  0.6012248 ]]# 如果是基于已经初始化的变量进行初始化,则必须按序进行初始化
first_var = tf.Variable(zeros)
sess.run(first_var.initializer)
second_var = tf.Variable(tf.zeros_like(first_var))
sess.run(second_var.initializer)# 矩阵计算
# 创建矩阵
a = tf.diag([1,1,1])
print(sess.run(a)) # 对角矩阵
b = tf.truncated_normal([3,3])
print(sess.run(b)) # shape为(3,3)的正态分布随机数
c = tf.fill([2,3],5.0)
print(sess.run(c)) #全为5的2×3的矩阵
d = tf.random_uniform([3,2])
print(sess.run(d)) # 随机数
e = tf.convert_to_tensor(np.array([[1,2,3],[4,5,6],[7,8,9]])) #np转张量
print(sess.run(e))
# 矩阵加减乘法
print(sess.run(a+e))
print(sess.run(b-b))
print(sess.run(tf.matmul(c,d)))
# 矩阵转置、求行列式、求逆
print(sess.run(tf.transpose(c)))
print(sess.run(tf.matrix_determinant(b)))
print(sess.run(tf.matrix_inverse(b)))
# 特征值和特征向量:第一行为特征值 后面几行为向量
print(sess.run(tf.self_adjoint_eig(b)))

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。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。如若转载,请注明出处:http://www.mzph.cn/news/481121.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

谷歌发布端到端AI平台,还有用于视频和表格的AutoML、文档理解API等多款工具

谷歌又有了大动作。在大洋彼岸的谷歌Cloud Next conference大会上,谷歌一口气发布了多款AI新品和工具,主要包括: 端到端的AI平台 用于处理视频和表格数据的AutoML Tables和AutoML Video 文档理解API 联络中心AI 视觉产品搜索 对于开发者…

跨性别,你所不知道的事

今晚原计划在订阅号里推送南溪妹子前几天录制的跨性别科普视频,没想到今天收到南溪的私信,说不做科普了,还是算了吧。急忙去了解了一下原因 (http://www.zhihu.com/pin/963101597957644288) ,才知道南溪因这段视频所遭受的无故攻击…

【Tensorflow】小白入门实战基础篇(下)

import tensorflow as tf import numpy as npsess tf.Session()# 一、矩阵运算# div返回的是商的向下取整 数据类型与输入数据类型一致 print(sess.run(tf.div(3,4))) # truediv在除法前强制转换整数为浮点数 print(sess.run(tf.truediv(3,4))) # 对浮点数进行整数除法&#x…

文本分类问题不需要ResNet?小夕解析DPCNN设计原理(上)

历史回顾回顾一下图像和文本的发展史,似乎这就是一场你追我赶的游戏。在上一阶段的斗争中,朴素贝叶斯、最大熵、条件随机场这些理论完备的统计机器学习模型使得文本分类、中文分词、NER等诸多自然语言处理问题取得了差强人意(释义&#xff1a…

【Tensorflow】TensorFlow的嵌入layer和多层layer

计算图中的操作 # python 3.6 import tensorflow as tf import numpy as npsess tf.Session()# 将张量和占位符对象组成一个计算图,创建一个简单的分类器# 一、计算图中的操作 # 1. 声明张量和占位符,创建numpy数组,传入计算图操作 x_vals …

匈牙利算法-指派问题、二分图问题等

维基百科:匈牙利算法 https://zh.wikipedia.org/wiki/匈牙利算法

文本分类问题不需要ResNet?小夕解析DPCNN设计原理(下)

哎呀呀,说好的不拖稿的又拖了两天T_T,小夕过一阵子分享给你们这两天的开心事哦。后台催稿调参系列的小伙伴们不要急,下一篇就是第二篇调参文啦。好啦,接着上一篇文章,直接搬来DPCNN、ShallowCNN、ResNet的对比图。从图…

注意力机制-深度学习中的注意力机制+注意力机制在自然语言处理中的应用

1 深度学习中的注意力机制 https://mp.weixin.qq.com/s?__bizMzA4Mzc0NjkwNA&mid2650783542&idx1&sn3846652d54d48e315e31b59507e34e9e&chksm87fad601b08d5f17f41b27bb21829ed2c2e511cf2049ba6f5c7244c6e4e1bd7144715faa8f67&mpshare1&scene1&src…

【Tensorflow】ValueError: Only call `sigmoid_cross_entropy_with_logits` with named arguments

报错信息 ValueError: Only call sigmoid_cross_entropy_with_logits with named arguments (labels…, logits…, …) 解决方法 在方法内加上labels…, logits…, 报错代码 my_vals tf.nn.sigmoid_cross_entropy_with_logits(my_logits,my_targets)更正后 my_vals tf.nn…

【TensorFlow】常用的损失函数及其TensorFlow实现

1 损失函数 定义:将随机事件或其有关随机变量的取值映射为非负实数以表示该随机事件的“风险”或“损失”的函数。 应用:作为学习准则与优化问题相联系,即通过最小化损失函数求解和评估模型。 分类:回归问题、分类问题 2 回归问…

从经典文本分类模型TextCNN到深度模型DPCNN

如今深度学习已经成为NLP领域的标配技术,在图像中大为成功的卷积神经网络(CNN)也开始广泛渗透到文本分类、机器翻译、机器阅读等NLP任务中。但是,在ACL2017以前,word-level的文本分类模型(以单词为语义单位…

从特征分解到协方差矩阵:详细剖析和实现PCA算法

从特征分解到协方差矩阵:详细剖析和实现PCA算法本文先简要明了地介绍了特征向量和其与矩阵的关系,然后再以其为基础解释协方差矩阵和主成分分析法的基本概念,最后我们结合协方差矩阵和主成分分析法实现数据降维。本文不仅仅是从理论上阐述各种…

【TensorFlow】通过两个简单的例子实现反向传播

回归算法示例 # python 3.6 # TensorFlow实现反向传播 import tensorflow as tf import numpy as npsess tf.Session()# 一、回归算法 # 从均值为1、标准差为0.1的正态分布中抽样随机数, # 然后乘以变量A,损失函数为L2正则损失函数。 # 理论上&#xf…

NLP中常用文本分类模型汇总

如今深度学习已经成为NLP领域的标配技术,在图像中大为成功的卷积神经网络(CNN)也开始广泛渗透到文本分类、机器翻译、机器阅读等NLP任务中。但是,在ACL2017以前,word-level的文本分类模型(以单词为语义单位…

【TensorFlow】随机训练和批训练的比较与实现

一、随机训练和批训练 随机训练:一次随机抽样训练数据和目标数据对完成训练。批训练:一次大批量训练取平均损失来进行梯度计算,批量训练大小可以一次上扩到整个数据集。批训练和随机训练的差异:优化器方法和收敛的不同批训练的难…

「小公式」平均数与级数

喵喵喵,小夕最近准备复习一下数学和基础算法,所以可能会推送或者附带推送点数学和基础算法的小文章。说不定哪天就用(考)到了呢( ̄∇ ̄)注意哦,与头条位的文章推送不同,「小公式」和「…

最新出炉-阿里 2020届算法工程师-自然语言处理(实习生)以及补充:快递最短路径

问题2感觉跟下面的分苹果类似; 问题 G: 分梨 题目描述 zzq非常喜欢吃梨,有一天他得到了ACMCLUB送给他的一筐梨子。由于他比较仗义,就打算把梨子分给好朋友们吃。现在他要把M个梨子放到N个盘子里面(我们允许有的盘子为空&#xff0…

如何匹配两段文本的语义?

喵喵喵,好久不见啦。首先很抱歉大家期待的调参手册(下)迟迟没有出稿,最近两个月连着赶了4个DDL,整个人都不好了。最近几天终于有时间赶一下未完成的稿子了。在赶DDL的时候夹着写了这篇文章,就先发布这一篇吧…

【TensorFlow】实现简单的鸢尾花分类器

代码实现及说明 # python 3.6 # TensorFlow实现简单的鸢尾花分类器 import matplotlib.pyplot as plt import tensorflow as tf import numpy as np from sklearn import datasetssess tf.Session()#导入数据 iris datasets.load_iris() # 是否是山鸢尾 0/1 binary_target …