tensorflow (一) 介绍及基本操作

最新推荐文章于 2025-11-18 22:20:46 发布
原创 最新推荐文章于 2025-11-18 22:20:46 发布 · 2.9k 阅读 · 17 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#tensorflow #基本操作

本文介绍了TensorFlow的起源和应用，包括它是谷歌的第二代人工智能学习系统，适用于各种机器学习和深度学习场景。同时，文章阐述了TensorFlow中的核心概念，如图、会话、Tensor、变量、feed和fetch，并通过一个简单的变量初始化和函数使用示例，帮助理解TensorFlow的基本操作。

一、tensorflow介绍

TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。
TensorFlow可被用于语音识别或图像识别等多项机器学习和深度学习领域，对2011年开发的深度学习基础架构DistBelief进行了各方面的改进，它可在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。TensorFlow将完全开源，任何人都可以用。（来源百度百科：https://baike.baidu.com/item/TensorFlow/18828108?fr=aladdin）
二、tensorflow中的一些基本概念
1 、图（Graph）：用来表示计算任务，也就我们要做的一些操作。
2 、会话（Session）：建立会话，此时会生成一张空图；在会话中添加节点和边，形成一张图，一个会话可以有多个图，通过执行这些图得到结果。如果把每个图看做一个车床，那会话就是一个车间，里面有若干个车床，用来把数据生产成结果。
3、 Tensor：用来表示数据，是我们的原料。
4 、变量（Variable）：用来记录一些数据和状态，是我们的容器。
5、 feed和fetch：可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据。相当于一些铲子，可以操作数据。
形象的比喻是：把会话看做车间，图看做车床，里面用Tensor做原料，变量做容器，feed和fetch做铲子，把数据加工成我们的结果。

三、tensorflow变量初始化


                

                
                
        

    



  


        

            

                      
                        最低0.47元/天 解锁文章
                          
                      
            

        


    



                



	

		

			

				
					
tensorflow基本操作

				
			

			

				

					qq_24946843的博客
				

				

					08-22
					
					345
					
				

			

		

		

			
				
一、tensorflow定义变量和显示结果


#先导入模块
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

#定义变量
w = tf.Variable([2,3])
x = tf.Variable([ [1,1],
                  [2,2]]
              ...

			
		

	



                

            
              



	

		

			

				
					
Tensorflow入门(二)——基本操作

				
			

			

				

					陈陈陈Chan的博客
				

				

					08-10
					
					786
					
				

			

		

		

			
				
文章目录1. Hello World2. 基本操作2.1 张量2.2 占位符和变量
原文链接：https://my.oschina.net/u/876354/blog/1930175
本文在原文基础上进行细微的修改和完善。
1. Hello World
程序员从“Hello World”开始。在安装好Tensorflow之后，写个Hello World试试安装是否成功。代码如下：
import tensorflow as tf
hello = tf.constant('Hello, Tensorflow!'

			
		

	



              


  
              

                


	

		

			

				
					
TensorFlow入门教程

				
			

			

				

					杭爱山的博客
				

				

					02-25
					
					439
					
				

			

		

		

			
				

神经网络相关操作 
1.1 tf.nn.conv2(input,filter,strides,padding,use_cudnn_gpu=None,name=None)

input：指需要做卷积的输入图像，它要求是一个Tensor，
具有[batch,in_height,in_width,in_channels]
这样的shape，具体含义是[训练时一个batch的图片数量,
图片高度, 图片...

			
		

	





	

		

			

				
					
TensorFlow入门与实例

					
最新发布

				
			

			

				

					oscar999的专栏
				

				

					11-18
					
					446
					
				

			

		

		

			
				
TensorFlow是由Google开发的开源机器学习框架，其核心概念包括张量（多维数组）和计算图（数据流图）。从静态计算图（1.x）演进到即时执行模式（2.x），TensorFlow提供了自动微分功能以支持模型训练。完整生态系统包含Core基础API、Keras高级API、TensorFlow Lite（移动端）、TensorFlow.js（Web端）等组件。实战示例展示了从线性回归到MNIST图像分类的全流程开发，包括数据预处理、模型构建、训练评估和可视化，体现了TensorFlow在研究和生产环境中的

			
		

	



		

			
		



	

		

			

				
					
tensorflow基础操作

				
			

			

				

					weixin_43075863的博客
				

				

					12-28
					
					848
					
				

			

		

		

			
				
#添加参数，输出正态分布随机值相同
tf.random.set_seed(2467)

#输出的tensor符合正态分布
output = tf.random.normal([10,6])

可以把多个值伸缩到（0，1）
output = tf.math.softmax(output,axis=1)

print(output)
#生成的值在该范围内遵循均匀分布 包含下限，不包含上限，默认0,1
target = tf.random.uniform([10], maxval=6, dtype=tf.int3

			
		

	





	

		

			

				
					
53、tensorflow基本操作

				
			

			

				

					aihaotan8299的博客
				

				

					02-01
					
					157
					
				

			

		

		

			
				
import tensorflow as tf
import numpy as np
x_data = np.float32(np.random.rand(2,100))
print(x_data)
y_data = np.dot([0.100,0.200],x_data) + 0.300
print(y_data)
b = tf.Variable(tf.zeros([1...

			
		

	





	

		

			

          精选资源
				
					
TensorFlow相关的练习题及答案-这些练习题涵盖了TensorFlow的一些基本概念和操作

				
			

			

				

					03-18
				

			

		

		

			
				
这些练习题涵盖了TensorFlow的一些基本概念和操作,包括:  1. 创建常量和变量 2. 计算图的概念  3. 会话的启动(适用于TensorFlow 1.x) 4. 占位符的作用(TensorFlow 1.x) 5. 矩阵乘法操作 6. 使用优化器优化模型参数 7...

			
		

	





	

		

			

				
					
深度学习实验：TensorFlow 张量的基本及高级操作技巧教程

				
			

			

				

					11-19
				

			

		

		

			
				
内容概要：本篇文章详细介绍了使用 TensorFlow 进行张量的各种操作，从基础的操作开始，比如张量的数据类型和维度变换，到高级的技术，例如张量的合并与分割、张量的填充与限制等，涵盖了广泛的张量操作，帮助理解...

			
		

	





	

		

			

				
					
TensorFlow使用Graph的基本操作的实现

				
			

			

				

					12-20
				

			

		

		

			
				
在实际开发中，理解并熟练掌握这些基本操作对于构建、保存和恢复复杂的TensorFlow模型至关重要。通过这些操作，可以实现模型的序列化和反序列化，以及在不同环境中迁移模型。同时，使用TensorBoard等可视化工具可以...

			
		

	





	

		

			

          精选资源
				
					
Tensorflow从入门到精通之——Tensorflow基本操作

				
			

			

				

					01-27
				

			

		

		

			
				
张量是TensorFlow中最基本的数据结构，它表示所有类型的数据。张量可以视为任意维度的数组，从标量（零维张量）到多维数组（多维张量）。张量在计算图中扮演关键角色，作为op之间的数据载体。张量的灵活性使得它们...

			
		

	





	

		

			

				
					
tensorflow基本操作（1）

				
			

			

				

					weixin_34160277的博客
				

				

					03-31
					
					127
					
				

			

		

		

			
				
import tensorflow as tf
import numpy as np
点乘，支持broadcasting

乘号* 和 multiply等价
mul已经废弃不用了
matmul 是矩阵相乘
broadcasting参见：
http://docs.scipy.org/doc/numpy/user/basics.broadcasting.html
原则：
When operating ...

			
		

	





	

		

			

				
					
实验8-TensorFlow基本操作.docx

				
			

			

				

					07-27
				

			

		

		

			
				
介绍了如何使用TensorFlow构建简单的神经网络体系结构、训练模型和评估结果时。本次实验基于MNIST数据集，将解决分类任务并尝试从其手写表示中识别实际数字。

			
		

	





	

		

			

				
					
Tensorflow之基本操作

				
			

			

				

					pyswt的博客
				

				

					10-09
					
					298
					
				

			

		

		

			
				
Tensor flow是现在最流行的深度学习框架之一，要想使用它，就得按照七要求使用Tensor flow自己的生态环境，那就从最基础的开始学起
#Variable用法
import tensorflow as tf

w  = tf.Variable([[0.5,1.0]])
x = tf.Variable([[2.0],[1.0]])
y = tf.matmul(w,x)
y

<tf....

			
		

	





	

		

			

				
					
TensorFlow基础操作

				
			

			

				

					消极的人永远是对的，积极的人选择勇往直前
				

				

					02-03
					
					268
					
				

			

		

		

			
				
TensorFlow内建运算操作



一个运算操作代表了一种类型的抽象运算，比如矩阵乘法或者向量加法。
	一个运算操作可以有自己的属性，但是所有属性都必须被预先设置，或者能够在创建计算图时根据上下文推断出来。
	通过设置运算操作的属性可以用来支持不同的tensor元素类型，比如让向量加法支持浮点或者整数。
	运算核（kernel）是一个运算操作在某个具体的硬件（比如cpu或者gpu中）的实现。
	在TensorFlow中，可以通过注册机制加入新的运算操作或者为已有的运算操作添加新的计算核。
与操作相关的A

			
		

	





	

		

			

				
					
Tensorflow基本操作

				
			

			

				

					weixin_52222937的博客
				

				

					05-12
					
					323
					
				

			

		

		

			
				
Tensorflow基本操作

			
		

	





	

		

			

				
					
完成TensorFlow环境配置及基本操作

				
			

			

				

					05-14
				

			

		

		

			
				
好的，下面我来介绍一下 TensorFlow 环境配置及基本操作。

## TensorFlow 环境配置

1. 安装Anaconda

   首先，我们需要安装 Anaconda，它是一个 Python 的集成环境，能够方便地管理 Python 环境和包。

   下载地址：https://www.anaconda.com/products/individual

   安装教程：https://docs.anaconda.com/anaconda/install/

2. 创建虚拟环境

   在 Anaconda 中，我们可以创建虚拟环境来隔离不同的项目所需的 Python 环境和包。

   打开 Anaconda Prompt（Windows）或终端（Mac/Linux），输入以下命令创建一个名为 `tensorflow` 的虚拟环境：

   ```
   conda create -n tensorflow python=3.6
   ```

   这里我们选择使用 Python 3.6，因为 TensorFlow 2.x 不支持 Python 3.7 及以上版本。

3. 激活虚拟环境

   创建完虚拟环境后，我们需要激活虚拟环境才能使用它。

   在 Anaconda Prompt（Windows）或终端（Mac/Linux）中输入以下命令激活虚拟环境：

   ```
   conda activate tensorflow
   ```

4. 安装 TensorFlow

   在激活虚拟环境后，我们可以使用以下命令安装 TensorFlow：

   ```
   pip install tensorflow
   ```

   如果你的电脑支持 GPU，可以安装 TensorFlow GPU 版本来加速计算：

   ```
   pip install tensorflow-gpu
   ```

## TensorFlow 基本操作

安装完 TensorFlow 后，我们可以通过以下代码来测试是否安装成功：

```python
import tensorflow as tf

print(tf.__version__)
```

如果输出了 TensorFlow 的版本号，说明安装成功了。

接下来，我们可以通过以下代码来创建一个 TensorFlow 的计算图，并在计算图中进行简单的运算：

```python
import tensorflow as tf

# 创建一个常量张量
a = tf.constant([1, 2, 3], dtype=tf.float32)

# 创建一个变量张量
b = tf.Variable([4, 5, 6], dtype=tf.float32)

# 创建一个操作，将 a 和 b 相加
c = tf.add(a, b)

# 创建一个会话，运行计算图
with tf.Session() as sess:
    # 初始化变量
    sess.run(tf.global_variables_initializer())
    
    # 运行操作 c
    result = sess.run(c)
    
    # 打印结果
    print(result)
```

在这段代码中，我们首先创建了一个常量张量 `a` 和一个变量张量 `b`，然后创建了一个操作 `c`，将 `a` 和 `b` 相加。最后，我们创建了一个会话 `sess`，在会话中运行计算图，并打印结果。

这只是 TensorFlow 基本操作的冰山一角，还有很多高级用法和 API 可以探索。如果你对 TensorFlow 感兴趣，可以继续深入学习。

			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

  
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值