weixin_42213622的博客

任务描述：– 给定一组输入、输出作为样本– 定义线性模型，并进行训练– 将训练过程可视化

Tensorflow提供了专门的可视化工具tensorboard，它将tensorflow执行的数据、模型、过程用图形方式进行显示。tensorflow在执行过程中，可以通过某些操作，将模型、数据、graph等信息，保存到磁盘中的Events文件中去，从而提供给tensorboard进行可视化

文章目录1 计算函数及说明2 计算方法及代码2.1 张量相加2.2 张量相乘2.3 取自然对数2.4 计算张量指定维度上的总和2.5 按片段对张量进行求和1 计算函数及说明2 计算方法及代码2.1 张量相加按元素相加x = tf.constant([[1,2], [3,4]],dtype=tf.float32)y = tf.constant([[5,6], [7,8]],dtype=tf.float32)x_add_y =

张量形状：静态形状：初始形状，存储数据一旦固定，不能修改。动态形状：运算过程中的形状reshape函数，可以返回一个新的张量。可以多次修改、跨阶修改，元素总数量保持一致。、内容要点：静态形状：在创建一个张量，初始状态的形状tf.Tensor.get_shape()：获取Tensor对象的静态形状tf.Tensor.set_shape()：更新Tensor对象的静态形状注意：转换静态形状的时候，1-D到1-D，2-D到2-D，不能跨阶数改变形状；对于已经固定或者.

session.run()与tensor.eval()都是tensorflow用来计算图的一一部分的方法，那么这两种方式有什么异同呢?假设有一个tensor a，在使用a.eval时，等价于：sess.run()，其中，sess是当前默认会话。这这种情况下，以下两端代码是等价的：a = tf.constant(5.0)with tf.Session() as sess: print(sess.run(a)) print(a.eval()) 主要区别是，sess.run()

文章目录机器学习是当前一大热门，涉及领域也十分广泛。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。tensorflow是一个基于数据流编程的符号数学系统，被广泛用于各类机器学习算法的编程实现，已然成为机器学习生态系统中的重要基石。学习tensorflow之前需要先有一定的编程和机器学习经验。...