关于tensorflow的一点学习心得

最新推荐文章于 2023-03-31 13:41:24 发布

百川千仞

最新推荐文章于 2023-03-31 13:41:24 发布

阅读量890

点赞数

文章标签： tensorflow 神经网络 python

本文链接：https://blog.youkuaiyun.com/thebeautyofmath/article/details/104096208

版权

本文总结了更新至TensorFlow 2.x后的变化，重点介绍新语法体系及核心概念，如tensor、layer、model的使用，并提供差的平方、平均值计算、随机数生成等实用代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

更新了tensorflow2.0后，有一些地方和之前不太一样，tf.Session()的用法将不会出现在tensorflow2.x中了。取而代之的是更接近python的语法体系。
最近稍微学习了一下，做一点总结。
首先，在tensorflow中，所有数据都是在以tensor 的形式在传递和计算的。但只要是tensor,就可以通过tensor.numpy()的方法转换成array.而在tensorflow中，tensor是最基本的组成单元，它可以组成layer,而后layer可以组成model.model 正是我们解决问题的具体形式。以流图的形式进行运算，或许正是tensorflow的简单而强大的地方吧。
另外总结一些简单的语法知识，当然可以在tensorflowAPI中很方便的查到：
1、差的平方

x=[1,2,3,4,5]
y=[6,7,8,9,10]
s=tf.math.squared_difference(x,y)
print(s)

2、平均值

numbers=tf.constant([[4.,5.],[7.,3.]])
print(tf.reduce_mean(input_tensor=numbers,axis=0,keepdims=True))

这里要注意的是，tf.reduce_mean()中的reduce意味着在求取了均值后，tensor的dim减少了。因而，可以在其函数内部设置keepdims这一参数来决定结果的维数。另外，axis=0是说按行求平均值，如果axis=1,则按tensor的列求平均值。
3、随机数
在神经网络初始化链接权重时，常常要为每一个神经赋一个随机值。
常用的有：
正态随机数：

print(tf.random.normal(shape=(3,2),mean=0,stddev=2))

这里的mean是指产生的tensor的平均值，stddev是其标准差。
均匀随机数：

print(tf.random.uniform(shape=(2,4),minval=1,maxval=10,dtype=tf.int32))

4、最大值和最小值

import tensorflow as tf
b=tf.constant([1,-7,6,8,9,54,2,3])
a=tf.argmax(b)
print(a)