TensorFlow学习

TensorFlow学习0.导语1.Session会话控制(两种打开模式)2.Tensorflow使用Variable3.Placeholder 传入值4.激励函数(activate function)5.定义添加神经层的函数6.建造神经网络7.matplotlib 可视化8.学习文章TensorFlow学习0.导语

本周将会陆续更新莫凡python配套视频的自己学习笔记，学习内容为tensorflow!

欢迎转发，收藏！

预备知识

安装TensorFlow：

TensorFlow-Gpu 1.8安装

1.Session会话控制(两种打开模式)

定义矩阵

两矩阵相乘

Session会话控制方法一

Session会话控制方法二

2.Tensorflow使用Variable

写在前面

定义变量与常量

变量与常量做加法运算

更新state值

变量初始化!!!

激活变量

3.Placeholder 传入值

写在前面

定义两个placeholder

mul=multiply是将input1和input2做乘法运算

外部传如data，并输出结果

4.激励函数(activate function)

激励函数运行时激活神经网络中某一部分神经元。

将激活信息向后传入下一层的神经系统。

激励函数的实质是非线性方程。

5.定义添加神经层的函数

写在前面

定义weights和biases

激励函数处理

返回输出

完整函数

6.建造神经网络

导入包numpy

定义添加神经层的函数

将一个有300个元素的一维数组转换成1列300行的矩阵形式（列向量）

噪点，没有按照函数走,这样看起来会更像真实情况，其中0.05表示方差

接下来，开始定义神经层。 通常神经层都包括输入层、隐藏层和输出层。这里的输入层只有一个属性， 所以我们就只有一个输入；隐藏层我们可以自己假设，这里我们假设隐藏层有10个神经元； 输出层和输入层的结构是一样的，所以我们的输出层也是只有一层。 所以，我们构建的是——输入层1个、隐藏层10个、输出层1个的神经网络。

训练

运行

7.matplotlib 可视化

绘制散点图

显示预测数据

问题：红色实线条不显示，解决办法：取消matplotlib默认输出到sciview

8.学习文章

8.1.Tensorflow简介

https://morvanzhou.github.io/tutorials/machine-learning/tensorflow/

8.2.新版pycharm中，取消matplotlib默认输出到sciview