TF學習：Tensorflow基礎案例、經典案例集合——基于python程式設計代碼的實作（二）

4、TF實作計算功能

TF：Tensorflow定義變量+常量,實作輸出計數功能

輸出結果

代碼設計

#TF：Tensorflow定義變量+常量,實作輸出計數功能

import tensorflow as tf

state = tf.Variable(0, name='Parameter_name_counter')  

#print(state.name)

one = tf.constant(1)  

new_value = tf.add(state, one)  

update = tf.assign(state, new_value)

init = tf.global_variables_initializer()  

with tf.Session() as sess:  

   sess.run(init)        

   for _ in range(8):

       sess.run(update)

       print(sess.run(state))

5、TF：Tensorflow完成一次線性函數計算

#TF：Tensorflow完成一次線性函數計算

#思路：TF像搭積木一樣将各個不同的計算子產品拼接成流程圖，完成一次線性函數的計算，并在一個隐式會話中執行。

matrix1 = tf.constant([[3., 3.]])           #聲明matrix1為TF的一個1*2的行向量

matrix2 = tf.constant([[2.],[2.]])          #聲明matrix2為TF的一個2*1的列向量

product = tf.matmul(matrix1, matrix2)       #兩個算子相乘，作為新算例

linear = tf.add(product, tf.constant(2.0))  #将product與一個标量2求和拼接.作為最終的linear算例

#直接在會話中執行linear算例，相當于将上面所有的單獨算例拼接成流程圖來執行

with tf.Session() as sess:

   result = sess.run(linear)

   print(result)

Tensorflow的基礎案例

1、TF根據三維資料拟合平面

Python 程式生成了一些三維資料, 然後用一個平面拟合它.

import numpy as np

# 使用 NumPy 生成假資料(phony data), 總共 100 個點.

x_data = np.float32(np.random.rand(2, 100)) # 随機輸入

y_data = np.dot([0.100, 0.200], x_data) + 0.300

# 構造一個線性模型

#

b = tf.Variable(tf.zeros([1]))

W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))

y = tf.matmul(W, x_data) + b

# 最小化方差

loss = tf.reduce_mean(tf.square(y - y_data))

optimizer = tf.train.GradientDescentOptimizer(0.5)

train = optimizer.minimize(loss)

# 初始化變量

init = tf.initialize_all_variables()

# 啟動圖 (graph)

sess = tf.Session()

sess.run(init)

# 拟合平面

for step in xrange(0, 201):

   sess.run(train)

   if step % 20 == 0:

       print step, sess.run(W), sess.run(b)

# 得到最佳拟合結果 W: [[0.100  0.200]], b: [0.300]

Tensorflow的經典案例

後期更新……