tensorflow学习（1）

迈不过友情╰ 2022-03-17 08:06 201阅读 0赞

莫凡2017tensorflow（使用更简便版）[https://github.com/MorvanZhou/Tensorflow-Tutorial][https_github.com_MorvanZhou_Tensorflow-Tutorial]

参考莫凡课程：

1.什么是tensorflow

tensorflow是google开发的一款神经网络的Python外部的结构包，也是一个采用数据流图来进行计算的开源软件库，（学习tensorflow可快速入门神经网络）

（再学习神经网络的构造、如何学习神经网络[https://morvanzhou.github.io/tutorials/machine-learning/ML-intro/2-1-NN/][https_morvanzhou.github.io_tutorials_machine-learning_ML-intro_2-1-NN]）

（有了tensorflow，可以轻松自如玩转神经网络）

tensorflow官网：[https://www.tensorflow.org/][https_www.tensorflow.org]

[https://tensorflow.google.cn/][https_tensorflow.google.cn]

**版本的函数新定义参见**：[https://tensorflow.google.cn/versions/r1.12/api\_docs/python/tf/losses/log\_loss][https_tensorflow.google.cn_versions_r1.12_api_docs_python_tf_losses_log_loss]

[https://github.com/MorvanZhou/Tensorflow-Tutorial][https_github.com_MorvanZhou_Tensorflow-Tutorial]

2.为什么使用tensorflow

TensorFlow 无可厚非地能被认定为 神经网络中最好用的库之一. 它擅长的任务就是训练深度神经网络.通过使用TensorFlow我们就可以快速的入门神经网络, 大大降低了深度学习（也就是深度神经网络）的开发成本和开发难度. TensorFlow 的开源性, 让所有人都能使用并且维护, 巩固它. 使它能迅速更新, 提升.（摘自莫凡文章）

3.tensorflow的安装

[https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/1-2-install/][https_morvanzhou.github.io_tutorials_machine-learning_tensorflow_1-2-install]

4.tensorflow小例子

机器学习：模拟我们数据需要的曲线

5.tensorflow如何处理数据结构

结构：是指tensorflow底层的结构，也就是神经网络的结构

输入层、隐藏层（权重weights和偏置biases）、激励函数、梯度处理、对每一层的参数进行进一步的完善和提升、（不断循环）

tensorflow中第一步：建立结构，再把数据放到结构中，让tensorflow自己去运行（tensorflow的另一个理解：向量在建立的结构下飞）

（Tensorflow 首先要定义神经网络的结构, 然后再把数据放入结构当中去运算和 training.）

6.代码实现创建结构、处理结构

（输出每次训练之后的参数）

import tensorflow as tf
    import numpy as np
    
    #创建数据x
    x_data = np.random.rand(100).astype(np.float32)
    y_data = x_data*0.1 + 0.3
    
    #开始创建tensorflow结构
    Weights =tf.Variable(tf.random_uniform([1],-1.0,1.0)) #随机变量，用随机数列生成的方式生成，一维数列，范围-1到1
    biases = tf.Variable(tf.zeros([1]))  #初始值是0
    #学习：从初始值提升到参数训练值
    
    y=Weights*x_data + biases  #预测的y值
    loss = tf.reduce_mean(tf.square(y-y_data)) #计算预测的y和实际的y_data的差别
    optimizer = tf.train.GradientDescentOptimizer(0.5)  #神经网络对其进行优化 优化器  GradientDescentOptimizer：梯度下降优化器 0.5：学习效率，一般是小于1的数
    train= optimizer.minimize(loss)  #用优化器减小误差
    
    #init = tf.initialize_all_variables()  #在神经网络中初始化变量，不加括号的话，会报错：TypeError: Fetch argument <function should_use_result.<locals>.wrapped at 0x000000000C0A36A8> has invalid type <class 'function'>,
    init = tf.global_variables_initializer()
    #创建tensorflow结构结束
    
    sess = tf.Session()
    sess.run(init)  #run开始，sess类似指针，激活神经网络结构  很重要
    
    #开始训练
    for step in range(201):
        sess.run(train)
        if step % 20 == 0:  #每隔20步进行一次打印
            print(step,sess.run(Weights),sess.run(biases))
    
    
    '''
    0 [0.37426233] [0.21016647]
    20 [0.16258861] [0.26858974]
    40 [0.11535621] [0.29229346]
    60 [0.10376766] [0.2981092]
    80 [0.1009244] [0.2995361]
    100 [0.10022683] [0.29988617]
    120 [0.10005568] [0.2999721]
    140 [0.10001367] [0.29999316]
    160 [0.10000337] [0.2999983]
    180 [0.10000083] [0.2999996]
    200 [0.10000022] [0.29999992]
    
    '''

7.认识Session会话

Tensorflow 中的  `Session` 是 为了控制,和输出文件的执行的语句. 运行 `session.run()` 可以获得你要得知的运算结果, 或者是你所要运算的部分.

"""
    Please note, this code is only for python 3+. If you are using python 2+, please modify the code accordingly.
    """
    import tensorflow as tf
    import os
    
    os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'  #https://blog.csdn.net/hq86937375/article/details/79696023
    
    matrix1 = tf.constant([[3, 3]])
    matrix2 = tf.constant([[2],
                           [2]])
    product = tf.matmul(matrix1, matrix2)  # matrix multiply np.dot(m1, m2)
    
    # method 1
    sess = tf.Session()
    result = sess.run(product)
    print(result)
    sess.close()
    
    # method 2
    with tf.Session() as sess:
        result2 = sess.run(product)
        print(result2)
    
    '''
    12
    '''

8.变量

import tensorflow as tf
    
    state = tf.Variable(0,name="counter") #定义state变量，必须是用Variable，才能说明是变量
    
    one = tf.constant(1)  #定义常量one
    new_value = tf.add(state,one)  #在state的基础上加one，将值赋值给new_value
    update = tf.assign(state,new_value)  #将new_value的变量加载到state
    
    init = tf.global_variables_initializer()  #初始化变量  must have if define variable
    
    with tf.Session() as sess:
        sess.run(init)  #真正意义上初始化变量
        for _ in range(3):
            sess.run(update)
            print(sess.run(state))
    '''
    1
    2
    3
    '''

9.placeholder传入值

`placeholder` 是 Tensorflow 中的占位符，暂时储存变量.Tensorflow 如果想要从外部传入data, 那就需要用到 `tf.placeholder()`, 然后以这种形式传输数据 `sess.run(***, feed_dict={input: **})`.

import tensorflow as tf
    
    input1 = tf.placeholder(tf.float32)
    input2 = tf.placeholder(tf.float32)
    
    output = tf.multiply(input1,input2)
    
    with tf.Session() as sess:
        print(sess.run(output,feed_dict={input1:[7],input2:[2]}))  #字典形式传入

[https_github.com_MorvanZhou_Tensorflow-Tutorial]: https://github.com/MorvanZhou/Tensorflow-Tutorial
[https_morvanzhou.github.io_tutorials_machine-learning_ML-intro_2-1-NN]: https://morvanzhou.github.io/tutorials/machine-learning/ML-intro/2-1-NN/
[https_www.tensorflow.org]: https://www.tensorflow.org/
[https_tensorflow.google.cn]: https://tensorflow.google.cn/
[https_tensorflow.google.cn_versions_r1.12_api_docs_python_tf_losses_log_loss]: https://tensorflow.google.cn/versions/r1.12/api_docs/python/tf/losses/log_loss
[https_morvanzhou.github.io_tutorials_machine-learning_tensorflow_1-2-install]: https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/1-2-install/