zoukankan      html  css  js  c++  java
  • TensorFlow Tutorial: Practical TensorFlow lesson for quick learners

    Part-2: Tensorflow教程的简单例子:

    这一部分,我们将会创建一个线性回归模型,在此之前我们先来看一看将会在代码中用到的TF基本函数:

    创建随机正态分布

    w是一个变量,大小为784*10,随机取值,标准差为0.01

    w=tf.Variable(tf.random_normal([784, 10], stddev=0.01))
    

      

    平均值Reduce_mean:

    b = tf.Variable([10,20,30,40,50,60],name='t')
    with tf.Session() as sess:
        sess.run(tf.initialize_all_variables())
        sess.run(tf.reduce_mean(b))
    

      

    输出35

    ArgMax:

    a=[ [0.1, 0.2,  0.3  ],
        [20,  2,       3   ]
      ]
    b = tf.Variable(a,name='b')
    with tf.Session() as sess:
        sess.run(tf.initialize_all_variables())
        sess.run(tf.argmax(b,1))
    

      

    输出array([2, 0]),显示了最大值的索引

     线性回归练习

    问题描述:在线性回归中我们会使用一条直线来拟合数据点,使得误差最小,下面的例子当中我们将会创建一百个数据点。

    a) 创建训练数据:

    trainX在-1和+1之间,trainY是trainX的三倍外加一些随机值
    import tensorflow as tf
    import numpy as np
     
    trainX = np.linspace(-1, 1, 101)
    trainY = 3 * trainX + np.random.randn(*trainX.shape) * 0.33
    

      

    b) 占位符:

  • 相关阅读:
    NET 2.0(C#)调用ffmpeg处理视频的方法(转载)
    ffmpeg编解码详细过程(转载)
    使用FFMPEG SDK解码流数据
    FFMPEG解码流程
    web worker,SSE,WebSocket,AJAX 与后端交互的方式
    jQuery基础篇
    Git的基本命令介绍
    项目配置中 提示access denied的问题 解决方案
    http网络协议 学习摘要
    OSI七层模型 学习摘要
  • 原文地址:https://www.cnblogs.com/lnas01/p/10406920.html
Copyright © 2011-2022 走看看