Tensorflow:实战Google深度学习框架
code copy : hello word
import tensorflow as tf w1=tf.random_normal([2,3],stddev=1,seed=1) w2=tf.random_normal([3,1],stddev=1,seed=1) x=tf.constant([[0.7,0.9]]) a=tf.matmul(x,w1) y=tf.matmul(a,w2) sess=tf.Session() #sess.run(w1) #sess.run(w2) print(sess.run(y)) sess.close()
output :[[ 3.95757794]]
with placehoder:
import tensorflow as tf w1=tf.random_normal([2,3],stddev=1,seed=1) w2=tf.random_normal([3,1],stddev=1,seed=1) #x=tf.constant([[0.7,0.9]]) x=tf.placeholder(tf.float32,shape=(3,2),name="input") a=tf.matmul(x,w1) y=tf.matmul(a,w2) sess=tf.Session() #sess.run(w1) #sess.run(w2) #print(sess.run(y)) print(sess.run(y,feed_dict={x:[[0.7,0.9],[0.1,0.4],[0.5,0.8]]})) sess.close()
output :[[ 3.95757794]
[ 1.15376544]
[ 3.16749191]]
full code to train :
import tensorflow as tf from numpy.random import RandomState batch_size=8 w1=tf.Variable(tf.random_normal([2,3],stddev=1,seed=1)) w2=tf.Variable(tf.random_normal([3,1],stddev=1,seed=1)) #x=tf.constant([[0.7,0.9]]) x=tf.placeholder(tf.float32,shape=(None,2),name="x-input") y_=tf.placeholder(tf.float32,shape=(None,1),name="y-input") a=tf.matmul(x,w1) y=tf.matmul(a,w2) cross_entropy=-tf.reduce_mean(y_*tf.log(tf.clip_by_value(y,1e-10,1.0))) train_step=tf.train.AdamOptimizer(0.001).minimize(cross_entropy) rdm=RandomState(1) dataset_size=128 X=rdm.rand(dataset_size,2) Y=[[int(x1+x2<1)] for (x1,x2) in X] with tf.Session() as sess: #sess.run(w1) #sess.run(w2) #print(sess.run(y)) init_op=tf.global_variables_initializer() sess.run(init_op) print(sess.run(w1)) print(sess.run(w2)) STEPS=5000 for i in range(STEPS): start=(i*batch_size)%dataset_size end=min(start+batch_size,dataset_size) sess.run(train_step,feed_dict={x:X[start:end],y_:Y[start:end]}) if i%1000 ==0: total_cross_entropy=sess.run(cross_entropy,feed_dict={x:X,y_:Y}) print("After %d training steps,cross entropy on all data is %g"%(i,total_cross_entropy)) print(sess.run(w1)) print(sess.run(w2)) #print(sess.run(y,feed_dict={x:[[0.7,0.9],[0.1,0.4],[0.5,0.8]]})) #sess.close()
output:[[-0.81131822 1.48459876 0.06532937]
[-2.44270396 0.0992484 0.59122431]]
[[-0.81131822]
[ 1.48459876]
[ 0.06532937]]
After 0 training steps,cross entropy on all data is 0.0674925
After 1000 training steps,cross entropy on all data is 0.0163385
After 2000 training steps,cross entropy on all data is 0.00907547
After 3000 training steps,cross entropy on all data is 0.00714436
After 4000 training steps,cross entropy on all data is 0.00578471
[[-1.9618274 2.58235407 1.68203783]
[-3.4681716 1.06982327 2.11788988]]
[[-1.8247149 ]
[ 2.68546653]
[ 1.41819501]]
相关推荐
python3 tensorflow平台下 alexnet训练与预测源码,亲测ok
基于python与TensorFlow的电影推荐系统设计与实现
Python+Tensorflow机器学习实战,tensorflow实例,Python源码
基于python+tensorflow的srcnn超分辨率重构代码(基本可以达到论文中的效果),优于基本上网上的大部分代码,网上大部分代码效果离理想效果差5-6db,而我这个资源把里面的坑踩掉了。可以结合我主页的博客看会更容易...
基于Python+TensorFlow+flask实现的水稻病虫害自动识别系统+源代码+文档说明.zip基于Python+TensorFlow+flask实现的水稻病虫害自动识别系统+源代码+文档说明.zip基于Python+TensorFlow+flask实现的水稻病虫害自动...
基于python和tensorflow的长短时记忆网络lstm代码。
基于Python+TensorFlow+flask实现的水稻病虫害自动识别系统+源码+文档说明(高分项目).zip基于Python+TensorFlow+flask实现的水稻病虫害自动识别系统+源码+文档说明(高分项目).zip基于Python+TensorFlow+flask...
python基于TensorFlow+LSTM实现的中文句子相似度计算源码.zip python基于TensorFlow+LSTM实现的中文句子相似度计算源码.zip python基于TensorFlow+LSTM实现的中文句子相似度计算源码.zip 【资源介绍】 Ubuntu:16.04...
《Python+Tensorflow机器学习实战》 李鸥 编著
python 3.5.2 for tensorflow,用于使用谷歌开源框架时使用的python版本
python3.7对应tensorflow
2.1 python简介 3 2.2 人脸识别简介 4 2.3 SQLite 5 2.4 Django介绍 6 2.5 TensorFlow 7 3 系统分析 8 3.1 可行性分析 8 3.1.1 技术可行性 8 3.1.2操作可行性 8 3.1.3 经济可行性 9 3.1.4 法律可行性 9 3.2需求分析 ...
Python 3.5+Tensorflow 1.8.0下编写 Python 3.5+Tensorflow 1.8.0下编写
pypi不提供python3.8的tensorflow-gpu,这个是从NGC的docker中编译的。
Python 3.5+Tensorflow 1.8.0下编写 Python 3.5+Tensorflow 1.8.0下编写
tensorFlow python API tensorFlow python API tensorFlow python API tensorFlow python API tensorFlow python API tensorFlow python API tensorFlow python API tensorFlow python API tensorFlow python API
TensorFlow实战黄文坚版是介绍tensorflow比较详细的一本入门书籍,非常全面,经过测试,书内的代码基本上全部可以跑通,是一本不可多得的入门好书。