Tensorflow基礎(chǔ)
1. 深度學(xué)習(xí)介紹
機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的區(qū)別
| 機(jī)器學(xué)習(xí) | 深度學(xué)習(xí) | |
|---|---|---|
| 算法 | 是淺層的神經(jīng)網(wǎng)絡(luò) | 圖像處理：卷積神經(jīng)網(wǎng)絡(luò)自然語(yǔ)言處理：循環(huán)神經(jīng)網(wǎng)絡(luò)用的是深度神經(jīng)網(wǎng)絡(luò) |
| 領(lǐng)域 | 主要用于做分類和回歸的預(yù)測(cè) | 圖像處理邓尤，語(yǔ)音識(shí)別等等 |
- 深度學(xué)習(xí)的算法本身設(shè)計(jì)復(fù)雜，數(shù)據(jù)量大贴谎，特征多汞扎，因此運(yùn)行時(shí)間長(zhǎng)。
- CPU：運(yùn)行操作系統(tǒng)擅这，主要處理業(yè)務(wù)澈魄，計(jì)算能力不是特別突出。
- GPU：專門為計(jì)算而設(shè)計(jì)的仲翎。
- CPU與GPU的區(qū)別用一個(gè)例子來(lái)說(shuō)明痹扇，CPU相當(dāng)于一個(gè)高中生，能處理很多的業(yè)務(wù)溯香，也可以計(jì)算鲫构。GPU相當(dāng)于1000個(gè)計(jì)算能力很強(qiáng)的小學(xué)生。
2.認(rèn)識(shí)Tensorflow
全面的深度學(xué)習(xí)框架,學(xué)習(xí)Tensorflow相當(dāng)于學(xué)習(xí)了一個(gè)新的語(yǔ)言玫坛。
- tensorflow的特點(diǎn)：
- 真正的可移植性
- 多語(yǔ)言支持
- 高度的靈活性與效率
- 支持
- 首先安裝Tensorflow结笨，為了簡(jiǎn)單起見，使用pip install tensorflow湿镀，安裝了cpu版本的炕吸。
-
Tensorflow的數(shù)據(jù)流圖：數(shù)據(jù)流圖
- 箭頭：tensor：張量。
- 結(jié)點(diǎn)：operation（op）:專門的運(yùn)算
- 整體：圖（gragh）：整的程序結(jié)構(gòu)
然而當(dāng)定義好整體之后勉痴，并不能運(yùn)算出結(jié)果赫模。還需要有會(huì)話。
- 會(huì)話：運(yùn)算程序的圖蒸矛。沒(méi)有會(huì)話瀑罗，只是定義了一個(gè)殼，什么都沒(méi)有做雏掠。
Tensorflow與以往的框架不同廓脆，框架主要分為計(jì)算密集型和IO密集型。
| 計(jì)算密集型 | IO密集型 | |
|---|---|---|
| 框架 | tensorflow | django磁玉，scrapy |
| 拿到特征數(shù)據(jù)，主要做計(jì)算驾讲。不會(huì)頻繁的發(fā)生IO操作蚊伞。 | http請(qǐng)求席赂，磁盤操作等等。 |
tensorflow實(shí)現(xiàn)一個(gè)簡(jiǎn)單的兩個(gè)數(shù)相加：
#實(shí)現(xiàn)一個(gè)加法運(yùn)算
a = tf.constant(5.0)
b = tf.constant(6.0)
sum1 = tf.add(a, b)
# print(sum1)
with tf.Session() as sess:
print(sess.run(sum1))
- 定義的a,b就是張量时迫，tf.add()就是一個(gè)op颅停，tf.Session()開啟一個(gè)會(huì)話，sess.run()執(zhí)行op掠拳。
