tensorflow: 如何定义常量tensor与变量tensor

Refence:  《Tensorflow machine learning cookbook》 : Declaring Tensors

Packt.TensorFlow.Machine.Learning.Cookbook.2017 笔记


主要应用领域：计算机视觉，语音识别，机器翻译，健康医疗
流行的GPU架构：Nvidia Tesla and Pascal，4G RAM，
GPU软件支持：Nvidia Cuda Toolkit and also v 5.x +
通用十步骤：
1.导入或生成数据集；
2.转换和标准化数据；data = tf.nn.batch_norm_with_global_normalization(...)
3.划分训练、测试和验证数据集；
4.设置超参数，集中设置；
learning_rate = 0.01
batch_size = 100
iterations = 1000
5.初始化变量与占位符；通过占位符喂数据，模型调整变量，权重和偏好。
a_var = tf.constant(42)
x_input = tf.placeholder(tf.float32, [None, input_size])
y_input = tf.placeholder(tf.float32, [None, num_classes])
6.定义模型结构；构建计算图。
y_pred = tf.add(tf.mul(x_input, weight_matrix), b_matrix)
7.定义损失函数；
loss = tf.reduce_mean(tf.square(y_actual – y_pred))
8.初始化和训练模型
with tf.Session(graph=graph) as session:
...
session.run(...)
...
或：
session = tf.Session(graph=graph)
session.run(…)
9.评估模型；在训练集和测试集上。
10.超参数调优；在验证集上
11.应用，部署上线，预测新输出；


http://tensorfly.cn/tfdoc/mltools.html有广泛的机器学习资源介绍。
但tensorflow的api在tensorfly.cn上还没有。可以下一个tensorflow manual,里面包括了tensorflow的基础教程，运作方式和python,c++的api.

图一：模型的各类参数