北大曹健tensorflow
第三节
标签(空格分隔): 张量 计算图 会话 前向传播 反向传播
3.1 张量、计算图、会话
在tensorflow中,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。
3.1.1 张量
张量就是多维数组(列表),用阶来表示张量的维数。如下图1所示,标量为零阶张量,向量为一阶张量,矩阵为二阶张量,如例子所示,有几个方括号就是几阶张量。
![](https://github.com/xiaovictor/Papaer-Search/blob/master/%E5%A6%82%E4%BD%95%E6%A3%80%E7%B4%A2%E8%8B%B1%E6%96%87%E6%96%87%E7%8C%AE/scihub1.png)
图1 张量
3.1.2 计算图
计算图(Graph):搭建神经网络的计算过程,只搭建,不运算。图2为一个简单的计算图结构,
\(x_1\) 、\(x_2\) 为输入,\(w_1\) 、\(w_2\) 分别是 \(x_1\) 到 \(y\) ,\(x_2\) 到 \(y\) 的权重,\(y = X * W = x_1 * w_1 + x_2 * w_2\) , 计算y的过程实际就是矩阵的乘法。
![](%E8%AE%A1%E7%AE%97%E5%9B%BE1.png)
图2 计算图结构
下图3为搭建好一个简单的计算图之后的输出结果,输出结果为一个张量(Tensor),并没有实际计算张量的值,其余参数的具体含义如下:
![](https://github.com/xiaovictor/Papaer-Search/blob/master/%E5%A6%82%E4%BD%95%E6%A3%80%E7%B4%A2%E8%8B%B1%E6%96%87%E6%96%87%E7%8C%AE/pp%E5%8A%A9%E6%89%8B%E7%9B%AE%E5%BD%95.png)
图3 一个简单计算图输出结果参数含义
3.1.3 会话
会话(Session):执行计算图中的节点运算,用with结构实现,具体实现如下图4所示:
![](%E4%BC%9A%E8%AF%9D.png)
图4 会话实现图中节点的运算
代码实现
#张量,计算图,会话
import tensorflow as tf
x = 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_1:0", shape=(1, 1), dtype=float32)
[[11.]]
转载于:https://www.cnblogs.com/victorxiao/p/11464915.html
北大曹健tensorflow相关推荐
- Tensorflow2.0学习笔记(一)北大曹健老师教学视频1-4讲
Tensorflow2.0学习笔记(一)北大曹健老师教学视频1-4讲 返回目录 这个笔记现在是主要根据北京大学曹健老师的视频写的,这个视频超级棒,非常推荐. 第一讲 常用函数的使用(包含了很多琐碎的函 ...
- 慕课 北大曹健《人工智能实践-Tensorflow2.0》 全套讲义ppt 和代码数据集
楼主习惯听课做笔记,这一份是慕课网,北大曹健老师的<人工智能实践-Tensorflow2.0>的全套讲义,包含上课的ppt和另一份pdf文件.整理在我的网盘可以下载. 另外还有老师上课的各 ...
- Tensorflow2.0学习笔记(二)北大曹健老师教学视频第五讲
Tensorflow2.0学习笔记(二)北大曹健老师教学视频第五讲 返回目录 理论部分主要写点以前看吴恩达视频没有的或者不太熟悉的了. 5.1卷积计算过程 实际项目中的照片多是高分辨率彩色图,但待优化 ...
- 北大曹健老师的TensorFlow笔记中,在pycharm中安装sklearn、pandas失败,Could not find conda environment: tensorflow
电脑里面有sklearn.pandas包啊 如果在cmd窗口中输入 pip list ,或者在vscode的终端窗口输入conda list,或者在pycharm的Terminal窗口输入conda ...
- TensorFlow项目1——鸢尾花识别的拆分详解(来源:北大曹健老师tensorflow学习视频)
项目1.鸢尾花识别 1.完整代码 import matplotlib.pyplot as plt from sklearn import datasets from pandas import Dat ...
- 北京大学曹健——Tensorflow笔记 05 MNIST数据集输出手写数字识别准确率
# 前向传播:描述了网络结构 minist_forward.py # 反向传播:描述了模型参数的优化方法 mnist_backward.py # 测试输出准确率minist_tes ...
- 北京大学曹健——Tensorflow笔记 04 神经网络优化
# -*- coding: utf-8 -*- """ Spyder EditorThis is a temporary script file. "&qu ...
- 北京大学曹健——Tensorflow笔记 01
- 北京大学曹健——Tensorflow笔记 06 全连接网络实践
最新文章
- [CSAcademy]Virus on a Tree
- Eclipse基本使用
- 车用TVS管 SM8S系列 国产替代
- php 固定人数拼手气_独立统计在线人数和访问数代码分享(php)
- Mybatis简介与原理
- cannot convert ‘_IO_FILE*’ to ‘const char*
- pythonexcel计算横列总和-在python中,如何在字典中找到值的总和?每个键都有多个值...
- ipqc的工作流程图_IPQC流程图
- (引)XPath 示例
- 虚拟机win7纯净版镜像_win7旗舰版-虚拟机镜像文件怎么下载安装
- Python进阶笔记(2):自动化处理文件
- excel如何把顺序倒过来_在excel中怎么使文字颠倒顺序反过来显示呢?
- 聊聊HTTPS环境DNS优化:美图App请求耗时节约近半案例
- 权重初始化方法及适用情况
- Linux开发工具3
- contentEditable,window.getSelection详解---可编辑div,容器,设置/获取光标位置,光标处插入内容及光标的操作
- [UE]模块无法被加载,因此插件加载失败。可能存在系统错误,或模块未能正确设置
- poj3179 Corral the Cows(二分)(双指针)
- 初级程序员的苦逼日子
- Spring boot的基础总结(三)-------Redis