TensorFlow流程图TensorFlow流程图
通过以上的分享，我们了解到了TensorFlow的基本基础知识，本期主要介绍一下TensorFlow的结构，Tensorflow 是非常重视结构的, 只有建立好了神经网络的结构, 才能放置一些数据, 进而运行这个结构.
创建TensorFlow结构一：创建初始化数据
我们需要import TensorFlow与numpy两个模块，使用numpy设置我们的初始数据（我们定义的实际数据）
import tensorflow as tf import numpy as np 线性一元一次方程二：创建TensorFlow数据结构（构建图）
我们上几期讨论过TensorFlow的常量 tf.constant来表示，在TensorFlow中，变量的表示为tf.Variable ，我们使用tf.Variable 来描述y_train（TensorFlow通过训练学习到的一元一次方程）的参数
我们定义2个变量：Weights与biases
那么TensorFlow学习到的一元一次方程为：y_train=Weights*x+biases
TensorFlow通过学习使Weights尽量接近0.2，biases尽量接近0.3，y_train尽量接近y
权重 biases=tf.Variable(tf.zeros([1])) tf.square 是求平方和，tf.reduce_mean是 关于TensorFlow的函数我们后期介绍四：设置优化器
TensorFlow optimizer（优化器）主要用来训练神经网络（利用不同的算法来优化我们的神经网络）
optimizer=tf.train.GradientDescentOptimizer(0.5)训练的目的是最小化loss六：启动神经网络
在启动神经网络之前我们需要进行TensorFlow变量的初始化（TensorFlow中，变量必须进过初始化，否则定义的变量是不直接进行运算的），然后使用我们前期学习的到的sess = tf.Session()的run函数来运行我们的神经网络
init=tf.global_variables_initializer() TensorFlow中，所有的运行必须使用run函数 sess.run(train) 训练100step sess.run(train) if step%10==0: print(step,sess.run(Weights),sess.run(biases)) >>>TensorFlow 结果
从以上的数据，我们可以看出，TensorFlow 0步随机数据是：
Weights=-0.36
biases=0.77
经过反复的train，TensorFlow把Weights，biases训练的已经很接近我们定义的值
下期预告OK，以上就是本期分享的内容，下期我们介绍一下我们先前讲述的TensorFlow的激励函数的应用
本站所发布的文字与图片素材为非商业目的改编或整理，版权归原作者所有，如侵权或涉及违法，请联系我们删除
热门信息
阅读 ()
1 注册微信号怎么注册第二个阅读 ()
2 怎么把照片变成卡通头像阅读 ()
3 手机越充越少电怎么解决