<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[DAI_KAI_KAI的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/DAI_KAI_KAI</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; DAI_KAI_KAI]]></copyright><item><title><![CDATA[TensorFlow笔记——会话]]></title><link>https://blog.youkuaiyun.com/DAI_KAI_KAI/article/details/104835104</link><guid>https://blog.youkuaiyun.com/DAI_KAI_KAI/article/details/104835104</guid><author>DAI_KAI_KAI</author><pubDate>Sat, 14 Mar 2020 10:49:26 +0800</pubDate><description><![CDATA[前言
	
TensorFlow使用tf.Session()类来表示客户端程序（通常为Python程序，也提供了使用其他语言的类似接口）与C++运行时之间的连接，因为TensorFlow底层是用C++实现，会话提供了沟通它们的接口，使我们创建的数据和操作能运行起来。而且，tf.Session对象使用分布式TensorFlow运行时提供对本地计算机中的设备和远程设备的访问权限。

一、开启会话

...]]></description><category></category></item><item><title><![CDATA[TensorFlow笔记——指令名称]]></title><link>https://blog.youkuaiyun.com/DAI_KAI_KAI/article/details/104834992</link><guid>https://blog.youkuaiyun.com/DAI_KAI_KAI/article/details/104834992</guid><author>DAI_KAI_KAI</author><pubDate>Fri, 13 Mar 2020 10:08:23 +0800</pubDate><description><![CDATA[对于下面程序：


import tensorflow as tf 

def op_demo():

    a = tf.constant(5)
    b = tf.constant(6)
    c = tf.add(a,b)
    print("a:\n",a)
    print("b:\n",b)
    print("c:\n",c)

    with tf.Session()...]]></description><category></category></item><item><title><![CDATA[TensorFlow笔记——OP]]></title><link>https://blog.youkuaiyun.com/DAI_KAI_KAI/article/details/104833113</link><guid>https://blog.youkuaiyun.com/DAI_KAI_KAI/article/details/104833113</guid><author>DAI_KAI_KAI</author><pubDate>Fri, 13 Mar 2020 09:24:03 +0800</pubDate><description><![CDATA[前言
	
tensorflow是一个符号式编程框架，需要定义graph，然后用一个session来运行这个graph得到结果

在graph中，我们需要定义数据和操作

其中，数据就是Tensor对象；而操作就是Operation对象，简称OP

记住这两点


	常见OP
	
              

区分一下操作函数与操作对象：

先举个例子：


i...]]></description><category></category></item><item><title><![CDATA[TensorBoard可视化的各种报错]]></title><link>https://blog.youkuaiyun.com/DAI_KAI_KAI/article/details/104797527</link><guid>https://blog.youkuaiyun.com/DAI_KAI_KAI/article/details/104797527</guid><author>DAI_KAI_KAI</author><pubDate>Wed, 11 Mar 2020 17:28:24 +0800</pubDate><description><![CDATA[前言
	
今天学习TensorFlow提供的TensorBoard可视化工具，折腾了半天，毫不夸张。

首先我先建立了一个项目，实现程序可视化，前面都还挺顺利

项目代码如下：


import tensorflow as tf 

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

def graph_demo():

    a = tf...]]></description><category></category></item><item><title><![CDATA[TensorFlow——TensorBoard可视化]]></title><link>https://blog.youkuaiyun.com/DAI_KAI_KAI/article/details/104790391</link><guid>https://blog.youkuaiyun.com/DAI_KAI_KAI/article/details/104790391</guid><author>DAI_KAI_KAI</author><pubDate>Wed, 11 Mar 2020 17:27:08 +0800</pubDate><description><![CDATA[前言
	
TensoeFlow可用于训练大规模深度神经网络所需的计算，使用该工具涉及的计算往往复杂而深奥。为了方便TensorFlow程序的理解、调试与优化，TensorFlow提供了TensorBoard可视化工具。

实现程序可视化过程：

数据序列化—events文件
	启动TensorBoard
1、数据序列化—events文件

TensorBoard通过读取TensorFlow的事...]]></description><category></category></item><item><title><![CDATA[TensorFlow入门——默认图与自定义图]]></title><link>https://blog.youkuaiyun.com/DAI_KAI_KAI/article/details/104788753</link><guid>https://blog.youkuaiyun.com/DAI_KAI_KAI/article/details/104788753</guid><author>DAI_KAI_KAI</author><pubDate>Wed, 11 Mar 2020 09:47:54 +0800</pubDate><description><![CDATA[前言
	
    TensorFlow程序通常被组织成一个构建图阶段和一个执行图阶段

   在构件阶段，数据（张量Tensor）与操作（节点op）的执行步骤被描述成一个图；

    在执行阶段，使用会话（Session）执行构建好的图中的操作，图必须在会话里被启动；

一、默认图

TensorFlow会默认帮我们创建一张图

查看默认图的两种方法：

调用方法...]]></description><category></category></item></channel></rss>