Tensorflow编程基础

qq_43161793

于 2019-10-09 20:24:59 发布

阅读量154

点赞数

分类专栏： TensorFlow学习笔记

本文链接：https://blog.youkuaiyun.com/qq_43161793/article/details/102071308

版权

TensorFlow学习笔记专栏收录该内容

4 篇文章

订阅专栏

本文介绍了TensorFlow的基础编程，包括使用with session进行操作，理解注入机制，如何指定GPU进行运算，模型的保存与载入，利用检查点Checkpoint管理训练进度，以及张量的操作如形状变换和数据操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

with session

with session 包括close（）
with tf.session() as sess: print ("相加：% i" % sess.run(a+b))

注入机制

指定GPU运算

1.with …device
2.tf.ConfigProto

保存载入模型

建立saver，通过saver的save、restore

saver.tf.train.Saver()   #生成saver
with tf.session() as sess:
	sess.run(tf.global_variables_initializer())  #初始化
	saver.save(sess,"save_path/save_name")

检查点Checkpoint

应对训练模型中断的情况

为模型添加保存检查点：应用了saver的参数max_to_keep
1.根据循环步数保存
2.tf.train.MornitoredTrainingSession:按照秒数保存

张量及操作

形状变换
tf.expand_dims(input,dim,name=None)

t=[[2,3,3],[1,5,5]]
t1=tf.expend_dims(t,0)
print(np.shape(t1))    #输出（1，2，3）

数据操作
tf.slice(input,begin,size,name=None)
解释tf.slice()参数

##tf.global_variables_initializer():初始化全局所有变量

with tf.variable_scope("scope") as sp1  #这种方式定义的sp1不受外围影响