tensorflow-function
-
详解TensorFlow的 tf.train.SummaryWriter 函数：保存 TensorBoard 可视化数据
TensorFlow的tf.train.SummaryWriter函数是可以用来将记录在TensorFlow张量中的数据输出到事件文件中。这些事件文件可以被TensorBoard可视化工具读取以便进行深入的分析。 1.函数作用 tf.train.SummaryWriter的作用是在训练过程中保存TensorBoard所需要的数据。 2.函数参数 tf.sum…
-
详解TensorFlow的 tf.Session 函数：创建一个会话
概述 在TensorFlow中，tf.Session()函数用于执行图中的操作。单个图可以拥有多个会话，但是会话不共享状态，由此可以更好地控制实现的方案。会话将操作运行在设备上，并执行同步和异步计算。对于CPU、GPU或TPU等不同类型的设备可以使用不同的会话。 基本语法 在使用tf.Session()函数前，需要先构建一个表示计算的数据流图。使用tf.Se…
-
详解TensorFlow的 tf.placeholder 函数：创建一个占位符张量
在 TensorFlow 中，tf.placeholder() 函数的作用是声明一个占位符（placeholder），用于后面填充数据。就是我们在定义模型时，还不确定所需要的数据，就可以先通过占位符表示，最后再动态赋值。占位符本身不存储数值，其主要作用在于接收后面传递的数据，并协助程序构建计算图的形状。 语法格式 tf.placeholder(dtype, …
-
详解TensorFlow的 tf.Variable 函数：创建一个可训练的变量张量
tf.Variable 是 TensorFlow 中创建和管理变量的主要方法。通过 tf.Variable 创建的变量是可训练的，并且可以在训练过程中更新它们的值。本文将介绍 tf.Variable 的作用、使用方法以及几个实例说明。 作用 在 TensorFlow 中，变量是一种特殊的张量，可用于存储模型中的可训练参数。与普通张量不同，变量存在于 Tens…
-
详解TensorFlow的 tf.nn.softmax 函数：softmax 激活函数
什么是softmax函数 在机器学习的过程中，很多训练算法都是基于概率论的基础理论进行的。softmax函数是一种用于归一化多维向量的函数，通常作为神经网络的输出层的激活函数，可以将任意实数值向量转换为概率分布。 softmax函数的数学定义 对于给定的一个包含m个元素的向量 $\boldsymbol{z}=(z_1,z_2,…,z_m)$，softma…
-
详解TensorFlow的 tf.nn.sigmoid 函数：sigmoid 激活函数
sigmoid 函数是人工神经网络中最常用的非线性激活函数之一，其定义为：$$ \sigma(x) = \frac{1}{1+e^{-x}} $$ 在 TensorFlow 中，sigmoid 函数的实现为 tf.nn.sigmoid 作用 sigmoid 函数在人工神经网络中被广泛应用，可用于处理分类、回归等任务。特别地，sigmoid 函数在二分类问题中…
-
详解TensorFlow的 tf.nn.rnn_cell.BasicRNNCell 函数：基本 RNN 单元
TensorFlow中tf.nn.rnn_cell.BasicRNNCell函数的作用与使用方法 作用 tf.nn.rnn_cell.BasicRNNCell函数是根据来自前一时间步的输入和当前时间步的状态（输出）计算隐藏状态和输出的RNN基本单元。 使用方法 函数原型 tf.nn.rnn_cell.BasicRNNCell(num_units, activ…
