zoukankan      html  css  js  c++  java
  • 人工智能深度学习入门练习之(14)TensorFlow – 计算图

    TensorFlow中的各种操作,如加权求和,激活函数等,都被编排成一个图,称为计算图。这样,一个神经网络就可以用一个计算图来表示。

    计算图

    计算图从本质上来说,是TensorFlow在内存中构建的程序逻辑图,它定义了实现神经网络所需的变量和操作。计算图定义好后,就可以被执行了。

    计算图可以被分割成多个块,并且可以并行地运行在多个不同的cpu或gpu上,这被称为并行计算。因此,计算图可以支持大规模的神经网络。

    计算图并行计算

    TensorFlow程序元素

    下面将逐一讨论TensorFlow程序元素:

    Constant/常量

    常量的值不变。

    Placeholder/占位符

    占位符允许稍后赋值,通常用于存储样本数据。

    a = tf.placeholder(tf.float32)

    feed_dict参数

    为占位符提供具体赋值。

    Variable/变量

    存储可变值,例如可训练参数:权重和偏置。

    W = tf.Variable([.3], dtype=tf.float32)
    
    b = tf.Variable([-.3], dtype=tf.float32)
    
    x = tf.placeholder(tf.float32)
    
    linear_model = W * x + b

    Session/会话

    表示计算图一次执行的上下文,也被称为TensorFlow运行时。

  • 相关阅读:
    并发编程---守护进程
    并发编程---Process对象的其他属性或方法
    并发编程---开启进程方式---查看进程pid
    并发编程---操作系统
    ie浏览器的css bug
    链接内的图片与文字如何对齐?
    inline元素特性
    最大流EK算法模板
    数据结构 链式表
    运算表达式 栈应用
  • 原文地址:https://www.cnblogs.com/huanghanyu/p/13163950.html
Copyright © 2011-2022 走看看