TensorFlow框架--张量，计算图和会话

最新推荐文章于 2021-04-02 08:17:36 发布

Carrie代码晴

最新推荐文章于 2021-04-02 08:17:36 发布

阅读量472

点赞数

CC 4.0 BY-SA版权

文章标签： TensorFlow

本文链接：https://blog.youkuaiyun.com/weixin_39169921/article/details/89183359

本文介绍了TensorFlow的基础概念，包括张量作为多维数组的数据表示，计算图用于构建神经网络的流程而不直接执行，以及会话如何执行计算图中的节点运算，以此来理解和构建简单的神经网络。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

搭建第一个神经网络，总结搭建八股

https://blog.youkuaiyun.com/pandamax/article/details/63684633

关于对张量的理解

基于Tensorflow的NN（神经网络）：

张量表示数据
计算图搭建神经网络
会话执行计算图，并优化线上的权重（参数）
得到模型

张量（tensor）：多维数组（列表）阶：张量的维数

维数阶名字例子

0-D 0 标量scalar s=1,2,3

1-D 1 向量vector v=[1,2,3]

2-D 2 矩阵matrix m=[[1,2,3],[4,5,6],[7,8,9]]

n-D n 张量tensor t=[[[...--多少个【，多少个n

张量表示0阶到n阶数组（列表）

数据类型：tf.float32 tf.int32 ...

import

import tensorflow as tf
a=tf.constant([1.0,2.0]) #定义常量为一维数组：一行一列--一种大类被有两种元素
b=tf.constant([3.0,4.0])
result=a+b
print result

显示：Tensor（“add:0”,shape=(2,),dtype=float32）

add:0--节点名：第0个输出 shape：维度（2，）一维数组长度为2 dtype：数据类型

计算图（Graph）：搭建神经网络的计算过程，只搭建，不运算。

import tensorflow as tf
x=tf.constant([[1.0,2.0]])
#定义常量为一行两列的二维数组
w=tf.constant([[3.0],[4.0]])
#定义常量为两行一列的二维数组
y=tf.matmul(x,w)
#矩阵相乘运算
print(y)

显示：Tensor("matmul:0",shape(1,1),dtype=float32)

会话（Session）：执行计算图的节点运算

with tf.Session() as sess:print sess.run(y)

import tensorflow as tf

x=tf.constant([[1.0,2.0]])
w=tf.constant([[3.0],[4.0]])

y=tf.matmul(x,w) 

with tf.Session() as sess:
     print sess.run(y)

结果：

[[11.]]---一行一列的二维数组