Python机器学习之TensorFlow

（一）准备

1.  TensorFlow官方网址：www.tensorflow.org
2.  GitHub网址：github.com/tensorflow/tensorflow
3.  模型仓库网址：github.com/tensorflow/models
4. 支持此语言：python，C++，Go， Java， 后端使用C++、CUDA
5. 安装：pip install --upgrade tensorflow==1.14.0

（二）核心：

1.  TensorFlow中的计算可以表示为一个有向图（Directed Graph），其中RNN是DAG
2.  或者称计算图（Computation Graph）
3.  其中每一个运算操作（operation）将作为一个节点（node）
4.  计算图描述了数据的计算流程，也负责维护和更新状态
5.  用户通过python，c++，go，Java语言设计这个这个数据计算的有向图
6.  计算图中每一个节点可以有任意多个输入和任意多个输出
7.  每一个节点描述了一种运算操作，节点可以算是运算操作的实例化（instance）
8.  计算图中的边里面流动（flow）的数据被称为张量（tensor），故得名TensorFlow

（三）代码流程

Import tensorflow as tf

b = tf.Variable(tf.zeros([100]))       #b为w0是一个向量
W = tf.Variable(tf.random_uniform([784,100], -1, 1))     #W为变量，uniform：均匀分布，从均匀分布中随机取值784行100列
x = tf.placeholder(name=“x”)              #placeholder：占位符
relu = tf.nn.relu(tf.matmul(W, x) + b)     #激活函数，matmul矩阵相乘再加b，对线性结果进行非线性变化
Cost = […]                                 #不同算法值不同
Sess = tf.Session()                        #开始执行算法
for step in range(0, 10):                  
　　input = …construct 100-D input array…         #创建input
　　result = sess.run(cost, feed_dict={x: input})
　　print(step, result)                     #打印结果

kkk