TensorFLow 基础(1)
hi,又和大家见面了,上一次我们讲了建立模型步骤和一些基础的概念(Tensor、Placeholder),那么我们这次就继续我们的矩阵操作,因为在TensorFlow处理一些数学问题的时候,往往都是通过矩阵来存储数据,通过特定的矩阵运算,我们实现数据的处理,从而得到一些数据的特性。还有一些其他的Tensorflow的概念,我希望大家能坚持下去,只要将这些基础的概念学会,那么以后运用TensorFlow就会得心应手。
- 和TensorFlow一起工作的Matrices
1 | # 矩阵和矩阵操作 |
- Math Operation(数学操作)
1 | import matplotlib.pyplot as plt |
- Activation Function(激活函数)
1 | # 激活函数主要是为了让神经网络模型具有非线性的特性 |
公式1:
\[ \sigma(x)=\frac{1}{1+e^{-x}} \]
公式2:
\[ f(x)=\frac{e^x-e^{-x}}{e^x + e^{-x}} \]
公式3:
\[ f(x) = \frac{1}{1 + |x|} \]
公式4
\[ f(x) = \log(1 + e^x) \]
公式5:
\[ elu(x) = \begin{cases} x & x > 0 \\ \alpha(exp(x) - 1) & x \leq 0 \end{cases} \]
- Operations on a Computational Graph
1 | import os |
- Layering Nested Operations
1 | import matplotlib.pyplot as plt |
- Working With Multiple Layers
1 | import matplotlib.pyplot as plt |
总结:这一次,一开始主要讲了矩阵的一些操作,后续又进行了数学操作,激活函数,运算图、层内元素嵌套运算还有最好的多层运算,并给出了tensorboard的计算图结构。大家不仅仅要看一看,也要动手做一做哦。
一如既往的有什么问题可以直接联系milittle,air@weaf.top邮箱