Python中TensorFlow神經(jīng)網(wǎng)絡(luò)的示例分析

小編給大家分享一下Python中TensorFlow神經(jīng)網(wǎng)絡(luò)的示例分析，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

一、基礎(chǔ)理論

1、TensorFlow

tensor：張量（數(shù)據(jù)）

flow：流動

Tensor-Flow：數(shù)據(jù)流

2、TensorFlow過程

TensorFlow構(gòu)成：圖和會話

1、構(gòu)建圖階段

構(gòu)建階段：定義了數(shù)據(jù)(張量tensor)與操作(節(jié)點operation)，構(gòu)成圖（靜態(tài)）

張量：TensorFlow中的基本數(shù)據(jù)對象。

節(jié)點：提供圖中執(zhí)行的操作。

2、執(zhí)行圖階段（會話）

執(zhí)行階段：使用會話執(zhí)行定義好的數(shù)據(jù)與操作。

二、TensorFlow實例（執(zhí)行加法）

1、構(gòu)造靜態(tài)圖

1-1、創(chuàng)建數(shù)據(jù)（張量）

#圖（靜態(tài)）
a = tf.constant(2)    #數(shù)據(jù)1（張量）
b = tf.constant(6)    #數(shù)據(jù)2（張量）

1-2、創(chuàng)建操作（節(jié)點）

c = a + b              #操作（節(jié)點）

2、會話（執(zhí)行）

API：

普通執(zhí)行

#會話（執(zhí)行）
with tf.Session() as sess:
    print(sess.run(a + b))

fetches（多參數(shù)執(zhí)行）

#會話（執(zhí)行）
with tf.Session() as sess:
    print(sess.run([a,b,c]))

feed_dict（參數(shù)補充）

def Feed_Add():
    #創(chuàng)建靜態(tài)圖
    a = tf.placeholder(tf.float32)
    b = tf.placeholder(tf.float32)
    c = tf.add(a,b)
    
    #會話（執(zhí)行）
    with tf.Session() as sess:
        print(sess.run(c, feed_dict={a:0.5, b:2.0}))

總代碼

import tensorflow as tf
def Add():
    #圖（靜態(tài)）
    a = tf.constant(2)    #數(shù)據(jù)1（張量）
    b = tf.constant(6)    #數(shù)據(jù)2（張量）
    c = a + b              #操作（節(jié)點） 
    #會話（執(zhí)行）
    with tf.Session() as sess:
        print(sess.run([a,b,c])) 
def Feed_Add():
    #創(chuàng)建靜態(tài)圖
    a = tf.placeholder(tf.float32)
    b = tf.placeholder(tf.float32)
    c = tf.add(a,b)    
    #會話（執(zhí)行）
    with tf.Session() as sess:
        print(sess.run(c, feed_dict={a:0.5, b:2.0}))        
Add()
Feed_Add()

以上是“Python中TensorFlow神經(jīng)網(wǎng)絡(luò)的示例分析”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識，歡迎關(guān)注億速云行業(yè)資訊頻道！