网站软文推广范文,大数据营销的优缺点,高校网站建设情况报告范文,西安当地做网站的公司Tensor Flow TensorFlow
本章介绍TensorFlow的基础。特别地#xff0c;你将学习如何用TensorFlow进行基础计算。在开始使用 TensorFlow之前,你必须理解它背后的哲学。 这个库基于计算图的概念#xff0c;如果你不理解计算图是如何工作的#xff0c;你就不能理解如何使用这…Tensor Flow TensorFlow
本章介绍TensorFlow的基础。特别地你将学习如何用TensorFlow进行基础计算。在开始使用 TensorFlow之前,你必须理解它背后的哲学。 这个库基于计算图的概念如果你不理解计算图是如何工作的你就不能理解如何使用这个库。我将快速的介绍计算图并告诉你如何用 TensorFlow进行简单的计算。你将明白这个库是如何工作的并明白如何使用它。
本章的大部分介绍tensors的概念并讨论tensors在TensorFlow里是如何表示和操作的。这些讨论有必要简单的回顾一下作为张量计算基础的数学概念。 特别地我们简单的回顾线性代数并说明如何用TensorFlow进行基础的线性代数计算。接着我们讨论声明式和命令式编程风格的不同。不像许多编程语言 TensorFlow大部分是声明式的。调用TensorFlow的计算添加计算描述到 TensorFlow的“计算图”。特别地 TensorFlow代码 “描述”计算但并不进行实际计算。 在TensorFlow v1里要运行计算我们需要创建 tf.Session对像。虽然TensorFlow v2不用sessions对象但是也有必要介绍sessions的概念并描述如何在TensorFlow里用它们进行计算。我们将简单的比较TensorFlow v1和TensorFlow v2的区别。我们还讨论变量的标记。TensorFlow里的Variables存贮张量并允许有状态的计算以修改变量。我们说明如何创建变量并通过TensorFlow更新变量。
1.理解计算图
要理解TensorFlow如何工作你必须理解什么是计算图。计算图是个图里面的节点相当于一个操作或变量。 变量可以将值输入到操作一个操作可以将结果输入到另一个操作。通常节点是圆 (或椭圆),里面是变量的名或操作, 当一个节点值输入到另一个节点时用箭头从一个节点连到另一个节点。最简单的图是里面只有一个变量的图 (记住节点可以是变量或操作)。图 2-1 简单的计算变量 x的值。 图 2-1. 我们可以构建的最简单的图显示为一个简单的变量 这不是很有趣!我们考虑一下略为复杂一点的情况例如一个变量x 和 y的和: z x y。可以用下面的图表示 (图2-2): 图2-2. 两个变量之和的基本的计算图 图2-2左边是变量 (节点里是 x和 y),而更大的节点表示两个变量的和。箭头表示两个变量输入到第三个节点。图应按拓扑顺序读取意味着你要按箭头的顺序计算节点。箭头也告诉你节点的依赖关系。要评估z, 你首先必须评估 x和 y。我们也可以说进行求和的节点依赖于输入节点。
要理解的一个重要方面是这种图只定义一个操作 (本例是求和)从两个输入 (本例是 x 和y) 得到结果 (本例是 z)。这基本上定义为 “求和”。你必须给输入x和 y赋值然后才能求和得到z。只有你评估了所有的节点图才会给你结果。 注意定义每一个节点称为图的“构建”而评估相关操作的真实值称为 “evaluation”。 这是要理解的很重要的方面。注意输入变量不一定是实数它们可以是矩阵向量等。 (在神经网络的相关计算里几乎都是使用矩阵。)略为复杂的情况见图 2-3它用图来计算量 A(x y), 有三个图入量: x, y, 和A。 图 2-3. 计算量 A(x y)的计算图, 给出三个输入量: x, y, A
我们可以通过给输入节点(本例是 x, y,和 A)赋值来评估这个图。例如如果你考虑图2-3中的图并赋值 x 1, y 3, 和A 5, 我们得到结果 b 20
(绘制为图2-4). 图2-4. 要评估图2-3中的图,我们必须给输入节点 x, y,和 A 赋值然后通过图评估节点
神经网络本质上是非常复杂的计算图每一个神经元包含多个节点将它的输出输入到另外的神经元直到得到一定的输出。后面我们将构建最简单的神经网络只有一个神经元。即便是这么简单的神经网络我们也要很多的工作。
通过将构建与评估分开TensorFlow允许你轻松的构建非常复杂的计算图。 (记住要计算结果你必须赋值并评估所有的节点)。后面我告诉你这是如何工作的如何构建计算图如何评估它们。 注意 记住tensorflow首先构建计算图称为构建阶段但是不会评估它。这个库保持两步分开所以你可以用不同的输入进行多次计算。
