tensorflow的学习笔记--初步认识tensorflow

几个概念

TensorFlow是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，由谷歌公司开发并开源免费使用。

在接触到的智能机器中，我们都需要先输入一段抽象的数据（语音，图片等），然后机器识别结果，输出我们想要的内容。

在机器诞生的前期，需要对机器进行训练和学习，使他有能力去认识识别的样本，然后由样本来预测其他的结果。

在tensorflow中使用张量代表数据（可以简单理解为参数）,使用计算图来搭建神经网络，使用会话执行计算图，优化对应的权重。

首先我们先介绍张量：

• 张量 多维数组和列表。对于不同维数的张量有不同的名称和表示方法： 标量: 一个数字，比如：1,2,3 向量: 一个数组，[1,2,3] 矩阵: 二位数组，[[1,2],[1,3],[2,3]] 张量: 多维数组

tensorflow的数据的类型很多，与日常编程的数据类型也有点相似之处，先不一一介绍，先看看怎么使用tensorflow（使用pip命令安装对应的依赖模块）

import tensorflow as ts

a=ts.constant([1.0,2.0])# 定义常数
b=ts.constant([3.0,4.0])

result=a+b
print(result)

打印结果:Tensor("add:0", shape=(2,), dtype=float32)

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

从上面的打印结果可以看出，result不是一个具体的结果，而是一个具体的计算过程。

简单的模型

看一个简单的数据模型

其中：Y=XW=w_1x_1+w_2x_2

具体使用tensorflow实现代码如下：

import tensorflow as ts

x=ts.constant([[1.0,2.0]])# 一行两列
w=ts.constant([[3.0],[4.0]]) # 两行一列

y=ts.matmul(x,w)
print(y)  

打印结果：Tensor("MatMul:0", shape=(1, 1), dtype=float32)

获得运算结果

计算图的值，需要用到sesion,具体代码：

import tensorflow as ts

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

y=ts.matmul(x,w)

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

打印结果：[[11.]]

具体的执行过程是：(1.02.0)(3.04.0)=1∗3+2∗4=11