简介

　　TensorFlow是一个实现机器学习算法的接口，也是执行机器学习算法的框架。使用数据流式图规划计算流程，可以将计算映射到不同的硬件和操作系统平台。

主要概念

　　TensorFlow的计算可以表示为有向图(directed graph)，或者计算图(computation graph)，计算图描述了数据的就算流程，其中每个运算操作(operation)作为一个节点(node)，节点与节点之间连接称为边(edge)。在计算图变中流动(flow)的数据被称为张量(tensor），故称TensorFlow。

　　                                                                    

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　计算图实例[ref1]

　　具体说，在一次运算中[ref2]：

　　　　1. 使用图 (graph) 来表示计算任务：TensorFlow[2]:基本操作实例；

　　　　2. 在被称之为 会话 (Session) 的上下文 (context) 中执行图：TensorFlow[2]:基本操作实例；

　　　　3. 通过 变量 (Variable) 维护状态：TensorFlow[2]:基本操作实例。

 

代码实例

#!/usr/bin/pyton

'''
A simple example(linear regression) to show the complete struct that how to run a tensorflow

create_data -> create_tensorflow_struct->start session
create date: 2017/10/20

'''

import tensorflow as tf
import numpy as np 

#create data

x_data = np.random.rand(100).astype(np.float32)
y_data = x_data*0.1 + 0.3

###create tensorflow structure begin##
Weights = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
biases = tf.Variable(tf.zeros([1]))

y = Weights*x_data + biases

loss = tf.reduce_mean(tf.square(y-y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

#when define variables, initialize must be called
#init = tf.initialize_all_variables()
### create tensorflow structure end ###

sess = tf.Session()
#note: initialize_local_variables no more support in new version
if int((tf.__version__).split('.')[1]) < 12 and int((tf.__version__).split('.')[0]) < 1:
    init = tf.initialize_all_variables()
else:
    init = tf.global_variables_initializer()

sess.run(init)

for step in range(201):
    sess.run(train)
    if step % 20 == 0:
        #session controls all opertions and varilables
        print(step, sess.run(Weights), sess.run(biases))

sess.close()

　　计算结果：

　　

 

 ————————————–

说明：关于TensorFlow有很多好的学习资源，本列为前期学习时记录，现整理为笔记，代码参考莫凡 

 

版权声明：本文为space-place原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：http://www.cnblogs.com/space-place/p/7889545.html