TensorFlow 度量张量和张量或者和零之间的误差值

  用于一个回归任务或者正则问题

1 # l2损失,output= sum(x ** 2)/2
2 inputdata = tf.Variable(np.random.rand(2,3), dtype=np.float32)
3 loss = tf.nn.l2_loss(inputdata)    # 标量
4 with tf.Session() as sess:
5     sess.run(tf.global_variables_initializer())
6     print (sess.run(inputdata))
7     print (sess.run(loss))

输出:

[[ 0.99520844 0.57105571 0.4224354 ]
[ 0.77398151 0.40279421 0.6592328 ]]
1.34544

时间: 2024-10-12 09:51:18

TensorFlow 度量张量和张量或者和零之间的误差值的相关文章

Tensorflow细节-P42张量的概念及使用

1.运行以下代码 import tensorflow as tf a = tf.constant([1.0, 2.0], name="a") b = tf.constant([2.0, 3.0], name="b") result = a + b print result sess = tf.InteractiveSession () print(result.eval()) sess.close() 得到 其中,add与代码中的add有关,0表示第一个输出,图中的

迈入TensorFlow的行列:教你写微信H5牛牛平台源码的程序

计算图是之前提到的微信H5牛牛搭建官网h5.fanshubbs.com数据流图.微信H5牛牛搭建数据流图的每个节点将有助于评估TensorFlow计算的操作.在TensorFlow中,每个节点将零个或多个张量作为输入,并产生一个张量作为输出. 在本文中,我们将使用Python在TensorFlow中实现一个非常基本的微信H5牛牛程序,以便在实际中看到它. 一种类型的节点是不变的,不需要输入,并输出一个内部存储的值.我们来看看如何在TensorFlow中定义一个常量. 输出的语句将是: 请注意,输

TensorFlow 神经网络相关函数

TensorFlow 激活函数 激活操作提供用于神经网络的不同类型的非线性.这些包括平滑的非线性(sigmoid,tanh,elu,softplus,和softsign),连续的,但不是到处可微函数(relu,relu6,crelu和relu_x),和随机正规化(dropout). 所有激活操作应用于分量,并产生与输入张量相同形状的张量. tf.nn.relu tf.nn.relu6 tf.nn.crelu tf.nn.elu tf.nn.softplus tf.nn.softsign tf.n

Python玩转人工智能最火框架 TensorFlow应用实践 学习 教程

随着 TensorFlow 在研究及产品中的应用日益广泛,很多开发者及研究者都希望能深入学习这一深度学习框架.而在昨天机器之心发起的框架投票中,2144 位参与者中有 1441 位都在使用 TensorFlow 框架,是所有框架中使用率最高的.但 TensorFlow 这种静态计算图有一定的学习成本,因此也阻挡了很多准备入坑的初学者.本文介绍了学习 TensorFlow 的系列教程,旨在通过简单的理论与实践帮助初学者一步步掌握 TensorFlow 的编程技巧. 这一系列教程分为 6 部分,从为

《Tensorflow技术解析与实战》第四章

Tensorflow基础知识 Tensorflow设计理念 (1)将图的定义和图的运行完全分开,因此Tensorflow被认为是一个"符合主义"的库 (2)Tensorflow中涉及的运算都要放在图中,而图的运行只发生在会话(session)中.开启会话后,就可以用数据去填充节点,进行运算.关闭会话后,就不能继续计算了.因此会话提供了操作运算和Tensor求值的环境 编程模型 边 Tensorflow的边有两种连接关系:数据依赖和控制依赖.其中实线边表示数据依赖,代表数据,即张量.张量

TensorFlow核心概念及基本使用

TensorFlow核心概念 综述:TensorFlow中的计算可以表示为一个有向图,或称计算图,其中每一个运算操作将作为一个节点,节点间的链接叫做边.这个计算图描述了数据的计算流程,它也负责维护和更新状态,用户可以对计算图的分支进行条件控制和循环操作.计算图中的每一个节点可以有任意多个输入和输出,每一个节点描述了一种运算操作,节点可以算是运算操作的实例化.在计算图的边中流动的的数据被称为张量. 1.计算图 TensorFlow是一个通过计算图的形式来表述计算的编程系统.每一个计算都是计算图的一

Tensorflow的安装和使用——Jetson Nano 初体验3

目录 1.安装 Jupyter notebook 和 Jupyter Lab 1.1 安装pip3 1.2 安装 Jupyter notebook 1.3 启动 notebook 服务器并配置远程访问 1.3.1 配置Jupyter 1.3.2 启动 notebook 1.3.3 关闭 Jupyter 1.3.4 保存Notebook 1.4 Notebook用法 1.4.1 Markdown单元格 1.4.2 Magic关键词 1.5 Jupyter Lab 安装 1.5.1 安装Jupyte

tensorflow基础-数据类型

一:tensorflow中的计算定义和执行 首先,对于tensorflow来说,最重要的概念就是图(Graph)和会话(Session),tensorflow的计算思想是:以图的形式来表示模型,表示和计算分隔开. 这就是一个Data Flow Graph,最核心的就是定义和计算不等于执行,一个模型跑起来只需要两步:先描述整幅图,然后在session中执行运算.tensorflow==tensor + flow,tensor是张量,flow流动,可以理解为张量在图中通过上图所示里面的a,b,c,d

机器学习进阶笔记之一 | TensorFlow安装与入门

原文链接:https://zhuanlan.zhihu.com/p/22410917 TensorFlow 是 Google 基于 DistBelief 进行研发的第二代人工智能学习系统,被广泛用于语音识别或图像识别等多项机器深度学习领域.其命名来源于本身的运行原理.Tensor(张量)意味着 N 维数组,Flow(流)意味着基于数据流图的计算,TensorFlow 代表着张量从图象的一端流动到另一端计算过程,是将复杂的数据结构传输至人工智能神经网中进行分析和处理的过程. -- 由 UCloud