[PYTHON] Ein Hinweis zur TensorFlow-Einführung

Notieren Sie sich beim Lesen der TensorFlow-Einführung, was Sie untersucht haben.

Wenn Sie den gesamten in der Einführung geschriebenen Code verbinden, sieht dieser wie folgt aus.

import tensorflow as tf
import numpy as np

# Create 100 phony x, y data points in NumPy, y = x * 0.1 + 0.3
x_data = np.random.rand(100).astype(np.float32)
y_data = x_data * 0.1 + 0.3

# Try to find values for W and b that compute y_data = W * x_data + b
# (We know that W should be 0.1 and b 0.3, but TensorFlow will
# figure that out for us.)
W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
b = tf.Variable(tf.zeros([1]))
y = W * x_data + b

# Minimize the mean squared errors.
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

# Before starting, initialize the variables.  We will 'run' this first.
init = tf.global_variables_initializer()

# Launch the graph.
sess = tf.Session()
sess.run(init)

# Fit the line.
for step in range(201):
    sess.run(train)
    if step % 20 == 0:
        print(step, sess.run(W), sess.run(b))

# Learns best fit is W: [0.1], b: [0.3]

https://www.tensorflow.org/get_started/

Broadcasting operation

y = W * x_data + b
print(type(W)) # <class 'tensorflow.python.ops.variables.Variable'>
print(type(b)) # <class 'tensorflow.python.ops.variables.Variable'>
print(type(x_data)) # <class 'numpy.ndarray'>
print(type(y)) # <class 'tensorflow.python.framework.ops.Tensor'>

Ich habe Angst, tf.Variable und numpy.ndarray hier zu multiplizieren, aber Tensorflow scheint Rundfunk im Numpy-Stil zu unterstützen. Weitere Informationen finden Sie unter Stackoverflow und Glossar. / Glossar) ist ein guter Ort, um zu schauen.

Convert numpy to tensor

Sie können numpy.ndarray-Objekte direkt an tf.Variable und tf.constant übergeben.

import tensorflow as tf
import numpy as np

a = tf.Variable(np.arange(10))
c = (np.zeros(10))

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    print(sess.run(a)) # [0 1 2 3 4 5 6 7 8 9]
    print(sess.run(c)) # [ 0.  0.  0.  0.  0.  0.  0.  0.  0.  0.]

Bei Quora, TensorFlow-Team bei Google

Yes, the TensorFlow API is designed to make it easy to convert data to and from NumPy arrays:

Es sagt aus.

Convert tensor to numpy

Um von Tensor zu Numpy zu konvertieren, können Sie Session.run oder eval verwenden.

import tensorflow as tf
import numpy as np

x = tf.zeros([10])

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    
    print(type(sess.run(x)))
    print(type(x.eval()))

In Bezug auf die API-Dokumentation ist x.eval () der Syntaxzucker von sess.run (x). Es sieht gut aus zu denken.