tensorflow简单入门(一)

1.tensorflow
张量：多维数组(列表) 阶:张量 的维数
维数 阶 名字 例子
0-D 0 标量 scalar s=1,2,3
1-D 1 向量 vector v=[1,2,3]
2-D 2 矩阵 matrix m=[[1,2],[3,4]]
n-D n 张量 tensor t=[[[],[]],[[],[]]]-n个[

2.tensorflow 数据类型
tf.int tf.float …
例：tf.int32, tf.float32
tf.bool
tf.string

3.创建一个张量
tf.constant(张量内容,dtype=数据类型)
例：
import tensorflow as tf
a = tf.constant([1,5],dtype=tf.int64)
print(a)
print(a.dtype)
print(a.shape) # shape:张量形状

5.如何创建一个张量tensor
将numpy的数据类型转换为tensor数据类型
tf.convert_to_tensor(数据名，dtype=数据类型)

6.创建全为0 的张量:
例：tf.zeros(维度) a=tf.zeros([2,3])
创建全为1的张量
例:tf.ones(维度) b=tf.ones(4)
创建全为指定值的张量
tf.fill(维度，指定值) c=tf.fill([2,2],9)

7.生成正态分布的随机数，默认值均值为0，标准差为1
tf.random.normal(维度,mean=均值，stddev=标准差)
生成截断式正态分布的随机数(生成的数据更集中)
tf.random.truncated_normal(维度,mean=均值，stddev=标准差)

生成均匀分布随机数 [minval,maxval)
tf.random.uniform(维度，minval=最小值，maxval=最大值)
8.强制tensor转为该数据类型
tf.cast(张量名，dtype=数据类型)
计算张量维度是上元素的最小值
tf.reduce_min（张量名）
计算张量维度上元素的最大值
tf.reduce_max(张量名)
tf.reduce_mean(张量 ) 计算张量的平均值
9.axis
在一个二维张量或数组中，可以通过调整axis等于0或1控制执行维度，axis=0代表跨行（经度，down）,axis=1代表跨列(维度，across)
常用函数: tf.Variable
tf.Variable()将变量标记为"可训练"，被标记的变量会在反向传播中记录梯度的值

例：实现两个张量的对应元素相加
tf.add(张量1，张量2)

神经网络的输入时，是吧标签和特征输入，切分传入张量的第一个维度，构成标签对，构建数据集
tf.data.Dataset.from_tensor_slices（（输入特征，标签））
(numpy和tensor格式都可使用该语句)
常用函数:tf.one_hot编码，用于解决分类问题，常用独热编码做标签，标记类型:1表示是，0表示非
神经网络的优化:
tf.where
神经网络的复杂度

学习率应该如何选择(过大学习不收敛，过小学习率更新太慢)：
1.指数衰减学习率

本文摘自
https://www.icourse163.org/learn/PKU-1002536002?tid=1452937471&from=study#/learn/content?type=detail&id=1229922479&cid=1247323598&replay=true