TensorFlow学习

TensorFlow学习0.导语1.Session会话控制(两种打开模式)2.Tensorflow使用Variable3.Placeholder 传入值4.激励函数(activate function)5.定义添加神经层的函数6.建造神经网络7.matplotlib 可视化8.学习文章TensorFlow学习0.导语

本周将会陆续更新莫凡python配套视频的自己学习笔记,学习内容为tensorflow!

欢迎转发,收藏!

预备知识

安装TensorFlow:

TensorFlow-Gpu 1.8安装

1.Session会话控制(两种打开模式)

定义矩阵

两矩阵相乘

Session会话控制方法一

Session会话控制方法二

2.Tensorflow使用Variable

写在前面

定义变量与常量

变量与常量做加法运算

更新state值

变量初始化!!!

激活变量

3.Placeholder 传入值

写在前面

定义两个placeholder

mul=multiply是将input1和input2做乘法运算

外部传如data,并输出结果

4.激励函数(activate function)

激励函数运行时激活神经网络中某一部分神经元。

将激活信息向后传入下一层的神经系统。

激励函数的实质是非线性方程。

5.定义添加神经层的函数

写在前面

定义weights和biases

激励函数处理

返回输出

完整函数

6.建造神经网络

导入包numpy

定义添加神经层的函数

将一个有300个元素的一维数组转换成1列300行的矩阵形式(列向量)

噪点,没有按照函数走,这样看起来会更像真实情况,其中0.05表示方差

接下来,开始定义神经层。 通常神经层都包括输入层、隐藏层和输出层。这里的输入层只有一个属性, 所以我们就只有一个输入;隐藏层我们可以自己假设,这里我们假设隐藏层有10个神经元; 输出层和输入层的结构是一样的,所以我们的输出层也是只有一层。 所以,我们构建的是——输入层1个、隐藏层10个、输出层1个的神经网络。

训练

运行

7.matplotlib 可视化

绘制散点图

显示预测数据

问题:红色实线条不显示,解决办法:取消matplotlib默认输出到sciview

8.学习文章

8.1.Tensorflow简介

https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/

8.2.新版pycharm中,取消matplotlib默认输出到sciview

  • 发表于:
  • 原文链接:https://kuaibao.qq.com/s/20190116G0H2R200?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

扫码关注云+社区

领取腾讯云代金券