- 基于Tensorflow的NN：用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型。
- 张量（tensor）:多维数组（列表） 阶：张量的维数；
| 维数 | 阶 | 名字 | 例子 |
|---|---|---|---|
| 0-D | 0 | 标量 scalar | s=1 2 31 |
| 1-D | 1 | 向量 vector | v=[1,2,3] |
| 2-D | 2 | 矩阵 matrix | m=[[1,2,3],[4,5,6],[7,8,9]] |
| n-D | n | 张量 tensor | t=[[..... |
- 数据类型： tf.float32 tf.in32 ...
-
import tensorflow as tfa=tf.constant([1.0,2.0]) b=tf.constant([3.0,4.0])result=a+b print(result)结果：Tensor("add_5:0", shape=(2,), dtype=float32)
-
add_5:0 节点名：第0个输出 shape=(2,) 维度：一维数组，长度2 dtype=float32 数据类型 -
tf.constant():表示定义常量；
-
计算图（Graph）：搭建神经网络计算过程，只搭建，不运算。
-
y=XW
=x1*w1+x2*w2 -
import tensorflow as tfx=tf.constant([[1.0,2.0]]) w=tf.constant([[3.0],[4.0]])y=tf.matmul(x,w) print(y)with tf.Session() as sess:print(sess.run(y))Tensor("MatMul:0", shape=(1, 1), dtype=float32)
-
会话（Session）：执行计算图中的节点运算。
-
with tf.Session() as sess:print(sess.run(y))
推进组发布《6G总体愿景与潜在关键技术》白皮书)
)
)
)
