tensorflow简介与结构介绍
1、知识点
"""
tensorflow前端系统:定义程序的图结构,主要是利用一些API实现
tensorflow后端系统:运算图结构
numpy的reshape,在原始数据做修改,并没有创建新的数据对象
1、安装:按照官方文档安装
a)安装python,pip
b)升级 python -m pip install --upgrade pip
c)win10安装CPU版本tensorflow ,pip install https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.12.0-cp36-cp36m-win_amd64.whl
2、报警告1:FutureWarning: Conversion of the second argument of issubdtype from
解决方法:pip install h5py==2.8.0rc1
报警告2:Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
解决方法:
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
3、tensorflow结构
椭圆代表张量,简称tensor:tensorflow中所有的数据都封装在tensor中
方块,简称operation(op):专门运算的操作节点,所有的操作都是op
图(graph):整个程序的结构
会话(Session):运算程序的图 4、a)图:运行程序的结构
图默认已经注册,一组表示 tf.Operation计算单位的对象和tf.Tensor。表示操作之间流动的数据单元的对象
获取调用:
tf.get_default_graph()
op、sess或者tensor 的graph属性
图的作用:主要给程序分配内存 图的创建:
1、创建默认的图:graph = tf.get_default_graph()
2、自定义图: g = tf.Graph() b)op:只要使用tensorflow的api定义的函数都是OP c)张量(tensor):就指代的是数据,op是tensor的载体 d)会话(Session):相当于桥梁,将图和计算资源连接起来
会话作用:
1、运行图的结构
2、分配资源计算
3、掌握资源(变量的资源,队列,线程) 注意:一个会话只能运行一个图结构 ,但可以在Session中指定图去运算
查看会话的资源情况:tf.Session(config=tf.ConfigProto(log_device_placement=True))
启动会话:sess.run()
关闭会话:sess.close() 启动会话(sess.run()):
1、run()中的参数必须是tensor或者op类型
2、如果变量想转换为tensor类型,可以和tensor做运算,提升数据类型
3、实时的提供数据进行训练,feed_dict与placeholder结合使用
4、placeholder是一个占位符 Session一般返回异常值:
1、RuntimeError:如果它Session处于无效状态(例如已关闭)。
2、TypeError:如果fetches或feed_dict键是不合适的类型。
3、ValueError:如果fetches或feed_dict键无效或引用 Tensor不存在。 5、张量(tensor):是tensorflow基本的数据格式。类似于numpy
张量的阶和数据类型: 包含:name,shape,dype
张量的属性:graph,op,name,shape
张量形状表示:
0维:() 1维:(5) 2维:(5,6) 3维:(2,3,4)
张量形状:包含动态形状和静态形状
1、动态形状:一种描述张量在执行过程中的一种形状
tf.reshape:创建一个具有不同形状的新张量
2、静态形状:创建一个张量,初始状态的形状
tf.Tensor.get_shape:获取静态形状
tf.Tensor.set_shape():更新tensor对象的静态形状
注意:1、静态形状固定了,就不能再次设置形状,只能使用动态形状,但会创建一个新的张量
2、动态形状改变,数据数量一定要匹配 6、运算API:正太分布主要通过平均值和标准差进行表示
1、生成张量:tf.zeros() 、tf.ones() 、tf.constant()
2、随机值张量:
正太分布(高斯分布)随机值:tf.random_normal()
截断的正太分布(高斯分布)随机值:tf.truncated_normal()
3、张量数据类型变换:
tf.cast(x,dtype) 万能转换类型
tf.squeeze()
4、拼接:tf.concat(values,axis) 7、变量:tf.Variable(),是一种OP,是一种特殊的张量,能够进行存储持久化,他的值就是张量,默认被训练
1、变量必须都初始化,且要在session中运行 tf.global_variables_initializer() 8、视图(tensorboard):首先将程序图结构序列化成一个event文件,然后通过tensorboard读取这个event文件
1、tf.summary.FileWriter("",graph=)
SCALARS:显示0维读值,如准确率,损失值
GRAPHS:显示程序图图结构
HISTOGRAPHS:高维的值,如权重,偏置
2、报错:No dashboards are active for the current data set
原因:因为没有读取到event文件,所以检查运行语句中logdir是否正确: tensorboard --logdir="./tmp/" """
2、代码
# coding = utf-8
import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '' #变量op
def vari():
a = tf.constant([1,2,3])
var = tf.Variable(tf.random_normal([2,3],mean=0.0,stddev=1.0))
print(a,var)
init_op = tf.global_variables_initializer() #变量初始化
with tf.Session() as sess:
sess.run(init_op) #运行初始化变量
file = tf.summary.FileWriter("./tmp", graph=sess.graph)
print(sess.run([a, var])) #图的创建
def createGraph():
g = tf.Graph()
#with表示设定上下文环境
with g.as_default():
c = tf.constant(11.0)
print(c.graph) def addTest():
a = tf.constant(5.0)
b = tf.constant(6.0)
s = tf.add(a,b)
# print(s)
graph = tf.get_default_graph() #主要是分配内存
# print(graph)
plt = tf.placeholder(tf.float32,[None,3]) #None表示样本数不固定
with tf.Session() as sess:
print(sess.run(plt,feed_dict={plt:[[1,2,3],[4,5,6]]}))
#print(sess.run(s))
print(s.eval()) #使用eval()取值
#打印的地址一致
print(a.graph)
print(s.graph)
print(sess.graph) def shape():
plt = tf.placeholder(tf.float32,[None,2])
plt.set_shape([3,2]) #静态修改 if __name__ == '__main__':
vari()
tensorflow简介与结构介绍的更多相关文章
- 上门洗车APP --- Androidclient开发 之 项目结构介绍
上门洗车APP --- Androidclient开发 之 项目结构介绍 前言 尽管公司项目较紧,但还是抽空给大家继续更新. o_O"~ 欢迎大家的关注,非常高兴和大家共同学习.前面给大家分 ...
- 第四百一十六节,Tensorflow简介与安装
第四百一十六节,Tensorflow简介与安装 TensorFlow是什么 Tensorflow是一个Google开发的第二代机器学习系统,克服了第一代系统DistBelief仅能开发神经网络算法.难 ...
- Linux实战教学笔记07:Linux系统目录结构介绍
第七节 Linux系统目录结构介绍 标签(空格分隔):Linux实战教学笔记 第1章 前言 windows目录结构 C:\windows D:\Program Files E:\你懂的\精品 F:\你 ...
- Magento学习第一课——目录结构介绍
Magento学习第一课--目录结构介绍 一.Magento为何强大 Magento是在Zend框架基础上建立起来的,这点保证了代码的安全性及稳定性.选择Zend的原因有很多,但是最基本的是因为zen ...
- Poi之Word文档结构介绍
1.poi之word文档结构介绍之正文段落 一个文档包含多个段落,一个段落包含多个Runs,一个Runs包含多个Run,Run是文档的最小单元 获取所有段落:List<XWPFParagraph ...
- vue学习笔记(三)——目录结构介绍
1.初始目录结构如下: 2.目录结构介绍 目录/文件 说明 build 最终发布的代码存放位置. config 配置目录,包括端口号等.我们初学可以使用默认的. node_modules npm 加载 ...
- Vue 入门之目录结构介绍
Vue 是一套用于构建用户界面的渐进式框架,与其它大型的页面框架不同的是,Vue 被设计为可以自底向上逐层应用.Vue 的核心库只关注视图层,不仅易于上手,还便于与第三方库或既有项目整合.另一方面,当 ...
- .NET Core实战项目之CMS 第十三章 开发篇-在MVC项目结构介绍及应用第三方UI
作为后端开发的我来说,前端表示真心玩不转,你如果让我微调一个位置的样式的话还行,但是让我写一个很漂亮的后台的话,真心做不到,所以我一般会选择套用一些开源UI模板来进行系统UI的设计.那如何套用呢?今天 ...
- 25 Zabbix系统数据表结构介绍
点击返回:自学Zabbix之路 点击返回:自学Zabbix4.0之路 点击返回:自学zabbix集锦 25 Zabbix系统数据表结构介绍 自学Zabbix之路15.1 Zabbix数据库表结构简单解 ...
随机推荐
- 根文件系统ramdisk.image.gz && uramdisk.image.gz
1. 根文件系统镜像ramdisk.image.gz和uramdisk.image.gz 通常需要将文件系统输入到Nand Flash当中时,一般可以将根文件系统打包成uramdisk.image.g ...
- CUDA和TensorFlow的版本匹配问题
CUDA和TensorFlow的版本匹配问题 部分转载自博客:https://blog.csdn.net/MahoneSun/article/details/80809042 列举一些CUDA和Ten ...
- 51Nod 1714 1位数SG异或打表
SG[i]表示一个数二进制下有i个1的SG值 SG[0]=0 打表: #include<bits/stdc++.h> using namespace std; ]; ]; , x; int ...
- 持久化存储与HTTP缓存
本文主要学习一下一些高级的HTTP知识,例如Session LocalStorage Cache-Control Expires ETag 其实主要就是涉及到了持久化存储与缓存的技术 在此之前已经学习 ...
- Hadoop-No.11之元数据
元数据的重要性 三个重要理由,让我们不得不在意元数据 元数据允许用户通过一张表的高一级逻辑抽象,而不是HDFS中文件的简单几何,或者HBase中的表来与数据交互.这意味着用户不比关心数据是如何存储的, ...
- 题解 【NOI2015】软件包管理器
题面 解析 事实上,这应该是道树剖裸题了, 将已安装表示为\(1\), 那么只需要在线段树中记录一下区间中\(1\)的个数就行了. 在询问的时候, 如果是安装,就查询\(x\)到根节点, 卸载的话,就 ...
- React Native 项目常用第三方组件汇总
React Native 项目常用第三方组件汇总 https://www.jianshu.com/p/d9cd9a868764?utm_campaign=maleskine&utm_conte ...
- MessagePack Java Jackson 在不关闭输入流(input stream)的情况下反序列化多变量
com.fasterxml.jackson.databind.ObjectMapper 在读取输入流变量的时候默认的将会关闭输入流. 如果你不希望关闭输入流,你可以设置 JsonParser.Feat ...
- codevs 1501 二叉树最大宽度和高度x
题目描述 Description 给出一个二叉树,输出它的最大宽度和高度. 输入描述 Input Description 第一行一个整数n. 下面n行每行有两 ...
- Android有进度条异步任务下载图片
首先在AndroidMainifest中添加上网权限 ? 1 <uses-permission android:name="android.permission.INTERNET&qu ...