随笔分类 - 人工智能TensorFlow深度学习
人工智能
人工智能深度学习入门练习之（24）TensorFlow – TensorBoard
摘要：TensorBoard是一个工具，可以图形化显示TensorFlow程序（神经网络），还可以显示许多训练过程中的指标数据，如损失、准确度或权重等。TensorBoard可以帮助用户更好地理解、调试和优化TensorFlow程序。 下面是一个线性回归模型的图形： TensorBoard通过读取Tens
阅读全文
人工智能深度学习入门练习之（23）TensorFlow – 高阶API
摘要：前面章节都是低阶API的介绍，有助于我们理解TensorFlow的基础知识。 为方便开发人员，TensorFlow提供了高阶API，包括以下模块： Keras，用于构建和训练深度学习模型的 TensorFlow 高阶 API。 Eager Execution，一个以命令方式编写 TensorFlow
阅读全文
人工智能深度学习入门练习之（22）TensorFlow – 会话
摘要：TensorFlow中，会话（Session）表示计算图一次执行的上下文，也被称为TensorFlow运行时。 TensorFlow应用大致可以分为2个部分： 使用计算图定义神经网络结构 创建会话运行神经网络(计算图) 我们将通过一个例子来加深理解。 示例 本例完成以下操作： 创建两个张量常量 创建
阅读全文
人工智能深度学习入门练习之（21）TensorFlow – 创建计算图
摘要：创建计算图 下面的代码在内存中创建一个默认计算图。 import tensorflow as tf x = tf.Variable(3, name="x") y = tf.Variable(4, name="y") f = x*x*y + y + 2 代码中声明了变量和函数，这将会在内存中创建一个默
阅读全文
人工智能深度学习入门练习之（20）TensorFlow – 占位符
摘要：占位符允许稍后赋值，通常用于存储样本数据。 要创建占位符，可使用tf.placeholder方法。 语法 tf.placeholder(dtype, shape=None, name=None ) 说明 dtype: 数据类型 shape: 占位符的维数，可选。默认情况下，值为赋值数据的形状 nam
阅读全文
人工智能深度学习入门练习之（19）TensorFlow – 变量
摘要：变量存储可变化的值，例如可用于存储可训练参数：权重和偏置。 要创建一个变量，可以使用tf.get_variable()方法。 tf.get_variable(name = "", values, dtype, initializer) 参数 name = "": 变量名称 values: 指定变量形
阅读全文
人工智能深度学习入门练习之（18）TensorFlow – 张量运算
摘要：我们已经知道怎么创建张量，现在来学习张量运算。 TensorFlow包含了许多基本的张量运算操作，让我们从一个简单的平方运算开始。 要进行平方运算，可以使用tf.sqrt(x)函数，x是一个浮点数。 import tensorflow as tf x = tf.constant([2.0], dty
阅读全文
人工智能深度学习入门练习之（17）TensorFlow – 张量数据类型
摘要：张量中的所有元素只能有一种数据类型。可以使用张量属性dtype获取数据类型。 import tensorflow as tf m_shape = tf.constant([ [10, 11], [12, 13], [14, 15] ] ) print(m_shape.dtype) 输出 <dtype
阅读全文
人工智能深度学习入门练习之（16）TensorFlow – 张量形状
摘要：张量的形状描述了张量中每个维度的元素数量。 打印张量时，TensorFlow会输出张量的形状，你也可以直接获取张量的形状属性。 import tensorflow as tf # 张量形状 m_shape = tf.constant([ [10, 11], [12, 13], [14, 15] ]
阅读全文
人工智能深度学习入门练习之（15）TensorFlow – 创建张量
摘要：要创建张量，可以使用tf.constant()函数。 tf.constant(value, dtype, name = "") 参数说明 value: 定义张量的n维数组值，可选 dtype: 定义张量数据类型，例如： tf.string: 字符串类型 tf.float32: 浮点类型 tf.int
阅读全文
人工智能深度学习入门练习之（14）TensorFlow – 计算图
摘要：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，
阅读全文
人工智能深度学习入门练习之（13）TensorFlow – 张量
摘要：Tensorflow的名字直接来源于它的核心数据结构：张量。 张量的概念来源于线性代数，表示一个多维数组，张量中的元素具有相同的数据类型。 Tensorflow中，所有的计算都涉及到张量，张量可以是输入数据，或者计算结果。 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，
阅读全文
人工智能深度学习入门练习之（12）TensorFlow – 数学基础
摘要：在创建TensorFlow中的应用程序之前，最好能先理解TensorFlow所需的数学概念。数学被认为是任何机器学习算法的核心。 线性代数 标量(scalar) 一个单独的数 向量(vector) 一列数，即一维数组 矩阵(matrix) 二维数组 张量(tensor) 多维数组 矩阵加法 如果2个
阅读全文
人工智能深度学习入门练习之（11）TensorFlow – 理解人工智能
摘要：具有感知、学习、推理和解决问题等认知功能的机器被认为拥有人工智能。 当机器具有认知能力时，人工智能就产生了。人类在相关领域的能力是人工智能的衡量标准。 弱人工智能 弱人工智能执行特定任务，甚至比人类做得更好，例如，围棋人工智能AlphaGo。弱人工智能是目前人工智能的主要研究领域。 强人工智能 强人
阅读全文
人工智能深度学习入门练习之（10）TensorFlow – 介绍
摘要：TensorFlow是一个开源的深度学习框架，由谷歌团队开发。TensorFlow使用方便，开发人员可以用来开发各种人工智能应用。 TensorFlow的官方网站: www.tensorflow.org TensorFlow的主要特性： 以张量(一种多维数组)为基础，轻松定义、计算数学算式 提供对深
阅读全文
人工智能深度学习入门练习之（9）机器学习与深度学习的区别
摘要：近年来，随着科技的快速发展，人工智能不断进入我们的视野中。作为人工智能的核心技术，机器学习和深度学习也变得越来越火。一时间，它们几乎成为了每个人都在谈论的话题。那么，机器学习和深度学习到底是什么，它们之间究竟有什么不同呢？ 什么是机器学习？ 机器学习(Machine Learning，ML)是人工智
阅读全文
人工智能深度学习入门练习之（8）比较深度学习三大框架
摘要：人工智能的浪潮正席卷全球，诸多词汇时刻萦绕在我们的耳边，如人工智能，机器学习，深度学习等。“人工智能”的概念早在1956年就被提出，顾名思义用计算机来构造复杂的，拥有与人类智慧同样本质特性的机器。经过几十年的发展，在2012年后，得益于数据量的上涨，运算力的提升和机器学习算法(深度学习)的出现，人工
阅读全文
人工智能深度学习入门练习之（7）线性回归
摘要：代码实现： import numpy as np def compute_error_for_line_given_points(b, w, points): totalError = 0 for i in range(0, len(points)): x = points[i, 0] y = po
阅读全文
人工智能深度学习入门练习之（6）求和方法2
摘要：代码实现： import tensorflow as tf assert tf.__version__.startswith('2.') a=tf.constant(2.) b=tf.constant(4.) print(f'{a}+{b}={a+b}') 执行结果：
阅读全文
人工智能深度学习入门练习之（5）求和
摘要：代码实现： import tensorflow.compat.v1 as tf tf.disable_v2_behavior() # 使用静态图模式运行以下代码 assert tf.__version__.startswith('2.') # 1.创建计算图阶段 # 创建2个输入端子，指定类型和名字
阅读全文