TensorFlow介绍

最新推荐文章于 2025-10-23 17:11:23 发布

原创最新推荐文章于 2025-10-23 17:11:23 发布 · 419 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow笔记

tensorflow文档笔记专栏收录该内容

4 篇文章

订阅专栏

本文介绍TensorFlow的基础概念，通过一个简单的线性模型拟合实例，展示如何使用TensorFlow进行数据处理和模型训练。从生成数据、定义模型、到训练和评估，逐步解析TensorFlow的工作流程。

部署运行你感兴趣的模型镜像

TensorFlow,简单看就是Tensor和Flow,即意味着Tensor和Flow是TensorFlow最为基础的要素；Tensor意味着data,Flow意味着流动,意味着计算,意味着映射,即数据的流动,数据的计算,数据的映射,同时也体现数据是有向的流动、计算和映射.
实例：
用Python 程序生成了一些三维数据,然后用一个平面拟合它

import tensorflow as tf
import numpy as np

# 使用 NumPy 生成假数据(phony data), 总共 100 个点.
x_data = np.float32(np.random.rand(2, 100)) # 随机输入
y_data = np.dot([0.100, 0.200], x_data) + 0.300

# 构造一个线性模型
# 
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b

# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

# 初始化变量
init = tf.initialize_all_variables()

# 启动图 (graph)
sess = tf.Session()
sess.run(init)

# 拟合平面
for step in xrange(0, 201):
    sess.run(train)
    if step % 20 == 0:
        print step, sess.run(W), sess.run(b)

# 得到最佳拟合结果 W: [[0.100  0.200]], b: [0.300]