http://wiki.sseuu.com/index.php?action=history&feed=atom&title=TensorFlow%3A%E7%AE%80%E4%BB%8B 2026-04-17T16:04:29Z 本wiki的该页面的版本历史 MediaWiki 1.30.0 http://wiki.sseuu.com/index.php?title=TensorFlow:%E7%AE%80%E4%BB%8B&diff=20612&oldid=prev 2019-11-18T01:20:46Z

<p>创建页面，内容为“{{4}}{{Tensorflow}} 本章的目的是让你了解和运行 TensorFlow! 在开始之前, 让我们先看一段使用 Python API 撰写的 TensorFlow 示例代码,...”</p> <p><b>新页面</b></p><div>{{4}}{{Tensorflow}}<br /> 本章的目的是让你了解和运行 TensorFlow!<br /> <br /> 在开始之前, 让我们先看一段使用 Python API 撰写的 TensorFlow 示例代码, 让你对将要学习的内容有初步的印象.<br /> <br /> 这段很短的 Python 程序生成了一些三维数据, 然后用一个平面拟合它.<br /> <br /> import tensorflow as tf<br /> import numpy as np<br /> <br /> # 使用 NumPy 生成假数据(phony data), 总共 100 个点.<br /> x_data = np.float32(np.random.rand(2, 100)) # 随机输入<br /> y_data = np.dot([0.100, 0.200], x_data) + 0.300<br /> <br /> # 构造一个线性模型<br /> # <br /> b = tf.Variable(tf.zeros([1]))<br /> W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))<br /> y = tf.matmul(W, x_data) + b<br /> <br /> # 最小化方差<br /> loss = tf.reduce_mean(tf.square(y - y_data))<br /> optimizer = tf.train.GradientDescentOptimizer(0.5)<br /> train = optimizer.minimize(loss)<br /> <br /> # 初始化变量<br /> init = tf.initialize_all_variables()<br /> <br /> # 启动图 (graph)<br /> sess = tf.Session()<br /> sess.run(init)<br /> <br /> # 拟合平面<br /> for step in xrange(0, 201):<br /> sess.run(train)<br /> if step % 20 == 0:<br /> print step, sess.run(W), sess.run(b)<br /> <br /> # 得到最佳拟合结果 W: [[0.100 0.200]], b: [0.300]<br /> <br /> 为了进一步激发你的学习欲望, 我们想让你先看一下 TensorFlow 是如何解决一个经典的机器 学习问题的. 在神经网络领域, 最为经典的问题莫过于 MNIST 手写数字分类问题. 我们准备了 两篇不同的教程, 分别面向机器学习领域的初学者和专家. 如果你已经使用其它软件训练过许多 MNIST 模型, 请阅读高级教程 (红色药丸链接). 如果你以前从未听说过 MNIST, 请阅读初级教程 (蓝色药丸链接). 如果你的水平介于这两类人之间, 我们建议你先快速浏览初级教程, 然后再阅读高级教程.<br /> <br /> [[文件:Blue_pill.png]]<br /> <br /> 面向机器学习初学者的 MNIST 初级教程<br /> <br /> 面向机器学习专家的 MNIST 高级教程<br /> <br /> 图片由 CC BY-SA 4.0 授权; 原作者 W. Carter<br /> <br /> 如果你已经下定决心, 准备学习和安装 TensorFlow, 你可以略过这些文字, 直接阅读 后面的章节. 不用担心, 你仍然会看到 MNIST -- 在阐述 TensorFlow 的特性时, 我们还会使用 MNIST 作为一个样例.<br /> <br /> 推荐随后阅读:<br /> <br /> 下载与安装<br /> <br /> 基本使用<br /> <br /> TensorFlow 技术指南<br /> <br /> 原文：Introduction 翻译：@doc001 校对：@yangtze 原文：[http://www.tensorfly.cn/tfdoc/get_started/introduction.html]</div>

江南仁