TensorFlow學習筆記（三）--基本知識點

一、TensorFlow基本概念

• 使用圖（graphs）來表示計算任務
• 在被稱之為會話（Session）的上下文（context）中執行圖
• 使用tensor表示數據
• 通過變數（Variable）維護狀態
• 使用feed和fetch可以為任意的操作賦值或者從其中獲取數據

Tensorflow是一個編程系統，使用圖（graphs）來表示計算任務，圖（graphs）中的節點稱之為op（operation），一個op獲得0個或過個tensor,執行計算，產生0個或多個tensor。tensor看做是一個n維的數組或列表，圖必須在會話（Session）里被啟動。

二、Softmax函數

我們知道MNIST的結果是0-9，我們的模型可能推測出一張圖片是數字9的概率是80%，是數字8的概率是10%，然後其他的概率更小，總體概率加起來等於1.這是一個使用softmax回歸模型的經典案例。softmax模型可以用來給不同對象分配概率

比如輸出結果為[1,5,3]

三、變數（Variable）

• 變數的創建和初始化

import tensorflow as tfx = tf.Variable([1,2]) #創建一個二維變數a = tf.constant([3,3]) #創建一個二維常量#增加一個減法opsub = tf.subtract(x,a)#增加一個加法opadd = tf.add(x,sub)#初始化變數#當有定義多個變數時，使用該函數全部初始化，只有在初始化後，變數才起作用 init = tf.global_variables_initializer()with tf.Session() as sess: sess.run(init) #通過會話初始化變數 print(sess.run(sub)) print(sess.run(sub))輸出結果[-2 -1][-1 1]

四、會話（Session）

五、Feed操作

六、Fetch操作

七、簡單示例--二次回歸擬合

八、MNIST

推薦閱讀：