5、TensorFlow 基础与逻辑回归模型实践

TensorFlow 基础与逻辑回归模型实践

1. TensorFlow 操作概述

TensorFlow 操作是计算图中对张量进行的抽象转换，操作可能有先验提供或运行时推断的属性，例如描述输入预期类型的属性。操作还可以有可选的名称属性，方便在计算图中引用。

一个操作由一个或多个内核组成，这些内核代表特定设备的实现。例如，许多矩阵操作在 TensorFlow 中有单独的 CPU 和 GPU 内核，因为在 GPU 上可以更高效地执行。

以下是 TensorFlow 操作的主要类别：
| 类别 | 示例 |
| — | — |
| 逐元素数学运算 | Add、Sub、Mul、Div、Exp、Log、Greater、Less、Equal 等 |
| 数组操作 | Concat、Slice、Split、Constant、Rank、Shape、Shuffle 等 |
| 矩阵操作 | MatMul、MatrixInverse、MatrixDeterminant 等 |
| 有状态操作 | Variable、Assign、AssignAdd 等 |
| 神经网络构建块 | SoftMax、Sigmoid、ReLU、Convolution2D、MaxPool 等 |
| 检查点操作 | Save、Restore |
| 队列和同步操作 | Enqueue、Dequeue、MutexAcquire、MutexRelease 等 |
| 控制流操作 | Merge、Switch、Enter、Leave、NextIteration |

2. 占位符张量

在 T