2025年Tensorflow入门(1)——深度学习框架Tesnsflow入门 &; 环境配置 &; 认识Tensorflow(1)

Tensorflow入门(1)——深度学习框架Tesnsflow入门 &; 环境配置 &; 认识Tensorflow(1)既有适合小白学习的零基础资料 也有适合 3 年以上经验的小伙伴深入学习提升的进阶课程 涵盖了 95 以上软件测试知识点 真正体系化 由于文件比较多 这里只是将部分目录截图出来 全套包含大厂面经 学习笔记 源码讲义 实战项目 大纲路线 讲解视频 并且后续会持续更新

大家好,我是讯享网,很高兴认识大家。

img
讯享网
img
img

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上软件测试知识点,真正体系化!

由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新

需要这份系统化的资料的朋友,可以戳这里获取

 - [(2)张量变换](#2_290) + [5.变量OP——模型参数](#5OP_304) + - [作用域——使得代码图清晰](#_340) - [增加变量显示——观察变化](#_355) + [6.事件文件与可视化](#6_374) + - [1.在保存的事件文件所在的文件中输入 cmd](#1__cmd_410) - [2.依次输输入](#2_414) - [3.火狐浏览器打开](#3_422) + [案例:线性回归](#_430) + - [版本一:trainable参数](#trainable_450) - [版本2:变量作用域](#2_504) - [版本3:增加变量显示](#3_559) + [7.模型保存和加载](#7_624) + - [版本4:加载之前训练好的模型](#4_637) + [8.自定义命令行参数](#8_709) 

讯享网

一、环境配置

1.Anaconda以及Tensorflow的安装

1.anaconda以及Tensorflow的安装:
https://blog.csdn.net/_/article/details/
2.Anaconda详细安装及使用教程:
https://blog.csdn.net/ITLearnHall/article/details/
3.windows平台下,TensorFlow的安装、卸载以及遇到的各种错误:
https://blog.csdn.net/_/article/details/

在这里插入图片描述

2.CONDA环境安装

CONDA环境安装:
conda : data science package & environment manager
创建环境:conda create --name python3 python=3
切换环境:
windows :activate python3
linux/macos : source activate python3
官方地址: https://www.anaconda.com/download/

在这里插入图片描述

3.测试是否成功

在这里插入图片描述

讯享网import tensorflow as tf hello=tf.constant('hello') sess=tf.Session() print(sess.run(hello)) from keras import backend print(backend._BACKEND) 

常用命令

显示环境 conda info --envs
进入环境 activate tensorflow
pip uninstall keras
pip uninstall keras-preprocessing -y
pip install keras

二、认识TensorFlow

tensor: 张量
operation:(op): 专⻔门运算的操作节点,所有操作都是⼀个op
图:graph:你的整个程序的结构
会话:运算程序的图

import tensorflow as tf 去除警告 import os os.environ["TF\_CPP\_MIN\_LOG\_LEVEL"]="2" # 实现一个加法运算 a = tf.constant(5.0) b = tf.constant(6.0) sum1 = tf.add(a, b) with tf.Session() as sess: print(sess.run(sum1)) 

在这里插入图片描述

1.图 Graph()

获取调用:

  • tf.get_default_graph()
  • op、sess或者tensor 的graph属性

创建图:

  • tf.Graph() :使用新创建的图
讯享网import tensorflow as tf 去除警告 import os os.environ["TF\_CPP\_MIN\_LOG\_LEVEL"]="2" # 创建一张图,上下文环境 # 图包含了一组op和tensor # op:只要使用tensorflow的API定义的函数都是OP # tensor:就指代的是数据 g = tf.Graph() print(g) with g.as\_default(): c = tf.constant(11.0) print(c.graph) # 实现一个加法运算 a = tf.constant(5.0) b = tf.constant(6.0) sum1 = tf.add(a, b) # 默认的这张图,相当于是给程序分配一段内存 graph = tf.get\_default\_graph() print(graph) #只能运行一个图 with tf.Session() as sess: print(sess.run(sum1)) print(a.graph) print(sum1.graph) 

在这里插入图片描述

2.会话 Session()

在这里插入图片描述
在这里插入图片描述

• tf.Session()
运行TensorFlow操作图的类,使用默认注册的图(可以指定运行图)
• 会话资源
会话可能拥有很多资源,如 tf.Variable,tf.QueueBase
和tf.ReaderBase,会话结束后需要进行资源释放

  1. sess = tf.Session() sess.run(…) sess.close()
  2. 使用上下文管理器
    with tf.Session() as sess:
    sess.run(…)
    • config=tf.ConfigProto(log_device_placement=True)
    • 交互式:tf.InteractiveSession()
import tensorflow as tf 去除警告 import os os.environ["TF\_CPP\_MIN\_LOG\_LEVEL"]="2" # 创建一张图,上下文环境 # 图包含了一组op和tensor # op:只要使用tensorflow的API定义的函数都是OP # tensor:就指代的是数据 # 实现一个加法运算 a = tf.constant(5.0) b = tf.constant(6.0) sum1 = tf.add(a, b) # 默认的这张图,相当于是给程序分配一段内存 graph = tf.get\_default\_graph() print(graph) # 看出程序在哪里运行 # 只要有上下文环境,就可以方便使用eval() with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess: print(sess.run(sum1)) print(sum1.eval()) print(a.graph) print(sum1.graph) 

会话的run()方法

在这里插入图片描述

讯享网import tensorflow as tf 去除警告 import os os.environ["TF\_CPP\_MIN\_LOG\_LEVEL"]="2" # 创建一张图,上下文环境# 图包含了一组op和tensor # op:只要使用tensorflow的API定义的函数都是OP# tensor:就指代的是数据 # 实现一个加法运算 a = tf.constant(5.0) b = tf.constant(6.0) sum1 = tf.add(a, b) var1=3 有重载的机制,默认会给运算符重载成op类型 sum2 = a + var1 print(sum2) # 训练模型 # 实时的提供数据去进行训练 # placeholder是一个占位符,feed_dict一个字典 plt = tf.placeholder(tf.float32, [2, 3]) plt2=tf.placeholder(tf.float32,[None,3]) print(plt) # 只要有上下文环境,就可以方便使用eval()# 看出程序在哪里运行 with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess: print(sess.run([a,b,sum1,sum2])) print(sess.run(plt,feed_dict={plt:[[1, 2, 3], [4, 5, 36]]})) print(sess.run(plt2, feed_dict={plt2: [[1, 2, 3], [4, 5, 36],[3,4,6]]})) print(sum1.eval())#输出结果 print(a.graph) print(sum1.graph) 

Tensorflow Feed操作
意义:在程序执行的时候,不确定输入的是什么,提前“占个坑”
语法:placeholder提供占位符,run时候通过feed_dict指定参数

3.张量 Tensor

要点:
• Tensorflow基本的数据格式
• 一个类型化的N维度数组(tf.Tensor)
• 三部分,名字,形状,数据类型

(1)张量的形状

在这里插入图片描述

(2)数据类型

在这里插入图片描述

张量属性:
• graph 张量所属的默认图
• op 张量的操作名
• name 张量的字符串描述
• shape 张量形状

with tf.Session(config=tf.ConfigProto(log_device_placement=True)) as sess: print(sess.run([a,b,sum1,sum2])) print(sess.run(plt,feed_dict={plt:[[1, 2, 3], [4, 5, 36]]})) print(sess.run(plt2, feed_dict={plt2: [[1, 2, 3], [4, 5, 36],[3,4,6]]})) print(sum1.eval())#输出结果 print(a.graph) print(a.shape) print(a.name) print(a.op) 
张量的动态形状与静态形状

在这里插入图片描述

讯享网import tensorflow as tf 去除警告 import os os.environ["TF\_CPP\_MIN\_LOG\_LEVEL"]="2" #tensorflow中的形状: # 0维:() 1维:(5) 2维:(5,6) 3维:(2,3,4)2张3行4列的表 # 形状的概念 # 静态形状和动态性状 # 对于静态形状来说,一旦张量形状固定了,不能再次设置静态形状, 不能夸维度修改 1D->1D 2D->2D # 动态形状可以去创建一个新的张量,改变时候一定要注意元素数量要匹配 1D->2D 1->3D plt=tf.placeholder(tf.float32,[None,2]) print(plt) plt.set\_shape([3,2]) print(plt) plt_reshape=tf.reshape(plt,[2,3]) print(plt_reshape) with tf.Session() as sess: pass 

1、转换静态形状的时候,1-D到1-D,2-D到2-D,不能跨阶数改变形状
2、对于已经固定或者设置静态形状的张量/变量,不能再次设置静态形状
3、tf.reshape()动态创建新张量时,元素个数不能不匹配

4.张量操作

(1)生成张量

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

(2)张量变换

在这里插入图片描述
在这里插入图片描述
切片与扩展
tf.concat(values, axis, name=‘concat’)

• 算术运算符
• 基本数学函数
• 矩阵运算
• 减少维度的运算(求均值)
• 序列运算

5.变量OP——模型参数

• 变量也是一种OP,是一种特殊的张量,能够进行存储持久化,它的值就是张量

在这里插入图片描述
变量的初始化

tf.global_variables_initializer() 添加一个初始化所有变量的op,在会话中开启

import tensorflow as tf 去除警告 import os os.environ["TF\_CPP\_MIN\_LOG\_LEVEL"]="2" a=tf.constant([1,2,3,4]) var = tf.Variable(tf.random\_normal([2,3],mean=0,stddev=1.0)) print(a,var) #必须做一个显示的初始化 init_op=tf.global\_variables\_initializer() with tf.Session() as sess: #必须运行初始化op sess.run(init_op) print(sess.run([a,var])) pass # 变量op # 1、变量op能够持久化保存,普通张量op是不行的 # 2、当定义一个变量op的时候,一定要在会话当中去运行初始化 # 3、name参数:在tensorboard使用的时候显示名字,可以让相同op名字的进行区分 
作用域——使得代码图清晰

在这里插入图片描述

tf.variable_scope(<scope_name>)
创建指定名字的变量作用域
观察变量的name改变?

增加变量显示——观察变化

1.收集变量
       tf.summary.scalar( name =” ”, tensor )
       收集对于损失函数和准确率等单值变量,name为变量名字,tensor为值
       tf.summary.histogram( name =” ”, tensor )
       收集高纬度的变量参数
       tf.summary.image( name =” ”, tensor )
       收集输入的图片,张量能显示图片
2.合并变量,写入事件文件
       merged = tf.summary.merge_all( )
       运行合并:summary = sess.run( merged ) 每次迭代都需要运行
       添加: filewriter.add_summary(summary,i) i表示第几次的值

6.事件文件与可视化

在这里插入图片描述
在这里插入图片描述

开启
Tensorboard --logdir=”./tmp/tensorflow/summary/test/”
一般浏览器打开为127.0.0.1:6006

注:修改程序后,再保存一遍会有新的事件文件,打开默认为最新

在这里插入图片描述

讯享网import tensorflow as tf 去除警告 import os os.environ["TF\_CPP\_MIN\_LOG\_LEVEL"]="2" a=tf.constant([1,2,3,4]) var = tf.Variable(tf.random\_normal([2,3],mean=0,stddev=1.0)) print(a,var) #必须做一个显示的初始化 init_op=tf.global\_variables\_initializer() with tf.Session() as sess: #必须运行初始化op sess.run(init_op) # 把程序的图结构写入事件文件,graph:把指定的图写进事件文件当中 filewriter=tf.summary.FileWriter('./py_tensflow/', graph=sess.graph) pass 
1.在保存的事件文件所在的文件中输入 cmd

在这里插入图片描述
在这里插入图片描述

2.依次输输入
conda info --envs activate tensorflow Tensorboard --logdir=" F:/python/py\_tensflow/" 
3.火狐浏览器打开

在这里插入图片描述

案例:线性回归

Tensorflow运算API

img
img
img

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上软件测试知识点,真正体系化!

由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新

需要这份系统化的资料的朋友,可以戳这里获取

ython/py_tensflow/"

讯享网 3.火狐浏览器打开 历史记录中打开即可 http://DESKTOP-PJDM5BE:6006 ![在这里插入图片描述](https://img-blog.csdnimg.cn/94c337bd33a0431b986ebdb0c1a500b5.png) 案例:线性回归 Tensorflow运算API [外链图片转存中...(img-W0XMlYl9-62)] [外链图片转存中...(img-FgNDJcvX-62)] [外链图片转存中...(img-2Q3HhupU-63)] 既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上软件测试知识点,真正体系化! 由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新 [需要这份系统化的资料的朋友,可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ffa03fab5e56a57acb) 
小讯
上一篇 2025-01-25 08:53
下一篇 2025-03-18 13:31

相关推荐

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/130638.html