Tensorflow实战

Linear Model

numpy.random.uniform( )

功能：从一个均匀分布[low,high)中随机采样，注意定义域是左闭右开，即包含low，不包含high.

randint原型：numpy.random.randint(low, high=None, size=None, dtype=‘l’)，产生随机整数；

random_integers原型： numpy.random.random_integers(low, high=None, size=None)，在闭区间上产生随机整数；

random_sample原型： numpy.random.random_sample(size=None)，在[0.0,1.0)上随机采样；

random原型： numpy.random.random(size=None)，和random_sample一样，是random_sample的别名；

rand原型： numpy.random.rand(d0, d1, …, dn)，产生d0 - d1 - … - dn形状的在[0,1)上均匀分布的float型数。

randn原型：numpy.random.randn（d0,d1,…,dn),产生d0 - d1 - … - dn形状的标准正态分布的float型数。

np.random.normal( )正态分布

原型：numpy.random.normal(loc=0.0, scale=1.0, size=None)

loc：均值 scale：标准差 size：输出的shape

✅数据集 data[ ]

✅均方差函数 def MeanSquaredError( )：

✅一次梯度下降def step_gradient( )：

✅多次梯度下降def gradient_descent( )

✅主函数main( )

Mnist of handwritten datasets

tf.convert_to_tensor( )

这个函数把python的变量类型转换成tensor，而这个value可以是tensor，numpy arrays(numpy 的数组)，python list（python 列表）python的表量

tf.one_hot( ) indices = [0, 2, -1, 1] #输入数据(是个向量)的需要编码的索引是[0,2,-1,1] depth = 3 tf.one_hot(indices, depth, on_value=5.0, off_value=0.0, axis=-1) # output: [4 x 3] # [[5.0, 0.0, 0.0], # one_hot(0) 对位置0处的数据进行one_hot编码 # [0.0, 0.0, 5.0], # one_hot(2) 对位置2处的数据进行one_hot编码 # [0.0, 0.0, 0.0], # one_hot(-1) 对位置-1处的数据进行one_hot编码 # [0.0, 5.0, 0.0]] # one_hot(1) 对位置1处的数据进行one_hot编码 indices = [[0, 2], [1, -1]] #输入数据是个矩阵 depth = 3 tf.one_hot(indices, depth, on_value=1.0, off_value=0.0, axis=-1) # output: [2 x 2 x 3] # [[[1.0, 0.0, 0.0], # one_hot(0) 对位置(0,0)处的数据进行one_hot编码 # [0.0, 0.0, 1.0]], # one_hot(2) 对位置(0,2)处的数据进行one_hot编码 # [[0.0, 1.0, 0.0], # one_hot(1) 对位置(1,1)处的数据进行one_hot编码 # [0.0, 0.0, 0.0]]] # one_hot(-1) 对位置(1,-1)处的数据进行one_hot编码 from_tensor_slices

功能：创建一个数据集，其元素是给定张量的切片。

python中的with用法及原理

tf.trainable_variables( )

功能：仅可以查看可训练的变量

Tensorflow 基本数据类型

标量：单个实数。维数为0，shape为[ ]向量：n个实数的有序集合。维数为1，shape为[n]矩阵：n行m列实数的有序集合。维数为2，shape为[n,m]张量：所有维度数>2的数组统称为张量。张量的每个维度也叫做轴。在TensorFlow中间，为了表达方便，一般把标量、向量、矩阵也统称为张量，不作区分，需要根据张量的维度数和形状自行判断。必须通过TensorFlow规定的方式去创建张量，而不能使用Python语言的标准变量创建方式。张量numpy( )方法可以返回Numpy.array类型的数据，方便导出数据到系统的其他模块。布尔类型的张量只需要传入Python语言的布尔类型数据，转换成TensorFlow内部布尔型即可尔

nss类型的张是是量只需要传入Python语言的布尔类型数据，转换成rFlow内部布尔型法可下下返下回Numpy.array类型的数据，方便导出数据到系统的其他模块。

在TensorFlow中间，为了表达方便，一般把标量、向量、矩阵也统称为张量，不作区分，需要根据张量的维度数和形状自行判断在TensorFlow中间，为了表达方便，一般把标量、向量、矩阵也统称为张量，不作区分，需要根据张量的维度数和形状自行判断在T在TensorFlow中间，为了表达方便，一般把标量、向量、矩阵也统称为张量，不作区分，需要根据张量的维度数和形状自行判断ensorFlow中间，为了表达方便，一般把标量、向量、矩阵也统称为张量，不作区分，需要根据张量的维度数和形状自行判断