Tensorflow基本概念

最新推荐文章于 2025-02-20 13:57:03 发布

大树之下

最新推荐文章于 2025-02-20 13:57:03 发布

阅读量372

点赞数

CC 4.0 BY-SA版权

分类专栏： Tensorflow 深度学习

本文链接：https://blog.youkuaiyun.com/ZG____/article/details/88609715

Tensorflow 同时被 2 个专栏收录

5 篇文章

订阅专栏

深度学习

4 篇文章

订阅专栏

Tensorflow是深度学习框架，简化模型构建。数据以Tensor形式存在，分为训练数据和参数。参数初始化影响模型学习效率，优化器负责调整参数。Tensorflow构建静态计算图，不可更改。兴趣驱动是学习关键。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Tensorflow基本概念

欢迎来我的github主页

Tensorflow是用来进行深度学习训练的框架，集成了许多的接口函数，实现了高度的抽象化。大大方便了模型的建立。
节省了大量“造轮子”的时间。

Tensorflow中的数据

深度学习本质上是一种概率统计的手段，需要大量的数据。在Tensorflow中，数据是以Tensorflow内置的类型Tensor的形式
存在。Tensor（翻译过来叫做张量）其实就是数组。比如十张100X100的彩色图片，可以变成[10,100,100,3]的数组（理解不了的好好学一下编程语言）。

Tensorflow中的Tensor数据类型可以大致分成两种，一种是我们要训练的数据，另一种是参数。比如我们有许多的点，
(x1, y1), (x2, y2)·····，我们需要拟合这些点，如果用线性函数的话就是y = k*x + b，那么k、b就是参数。
我们计算求导，然后调整参数，最后让我们的函数逐渐拟合这些数据。深度学习其实就是函数拟合的复杂版本。

Tensorflow中的参数初始化

有些人天生就看起来聪慧一些，有些人则有些木讷。我们一般认为是人的基因导致的。如果将参数比作基因的话，
参数的初始化就是就是基因的初始化。如果一开始我们的模型有良好的参数，也就意味着我们的模型会想聪明的学生一样能够快速地学会正确的特征。
那么相对于初始化参数较差的模型，就会学的比较费劲。所以参数的初始化就显得尤为重要。