搭建第一个神经网络 --Tensorflow

版权声明：署名，允许他人基于本文进行创作，且必须基于与原先许可协议相同的许可协议分发本文 （Creative Commons）

1、基于Tensorflow的NN

用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型。

2、张量（tensor）

张良就是多维数组（列表），张量可以表示0阶到n阶数组（列表）。用阶表示张量的维数，0阶张量就是标量，表示一个单独的数。

维数	阶	名字	例子
0-D	0	标量scalar	s = 123
1-D	1	向量vector	v = [1,2,3]
2-D	2	矩阵matrix	m = [[1,2,3],[,4,5,6],[7,8,9]]
n-D	n	张量tensor	t = [[[…

3、修改vim

[root@instance-mtfsf05r ~]# vim ~/.vimrc

在.vimrc文件中写入：

set ts = 4
ser nm

ts = 4表示在vim中缩进一个tab键缩进4个空格
nm在vim中显示行号

4、两个张量的加法

# coding:utf-8
# 实现两个张量的加法
import tensorflow as tf  # 导入tensorflow模块，简写为tf

a = tf.constant([1.0, 2.0])  # 定义张量a,constant方法用来定义常数
b = tf.constant([3.0, 4.0])  # 定义张量b
rs = a + b
print(rs)

控制台打印：Tensor(“add:0”, shape=(2,), dtype=float32)

add:0：表示张量的名字

add：节点

0：第0个输出

shape=(2,)：维度信息

shape：维度

(2，)：一维数组，长度为2

dtype=float32：表示数据类型

dtype：数据类型

float32：浮点型数据

5、计算图（Graph）

控制台打印：Tensor(“add:0”, shape=(2,), dtype=float32)，只显示这个结果是张量，但并没有运算张量具体的值。计算图：搭建神经网络的计算过程，只搭建、不计算。

神经元的基本模型：
y = XW = x1 * w1 + x2 * w2

用张量运算描述这个神经元：

# coding:utf-8
# 实现两个张量的加法
import tensorflow as tf  # 导入tensorflow模块，简写为tf

x = tf.constant([[1.0, 2.0]])  # 定义张量a,constant方法用来定义常数
w = tf.constant([[3.0], [4.0]])  # 定义张量b
y = tf.matmul(x, w)
print(y)

控制台打印：Tensor(“MatMul:0”, shape=(1, 1), dtype=float32)
结果是一行一列的二维张量。

6、会话（Session）

会话用来执行计算图中的节点运算。
使用Session得到运算结果：

# coding:utf-8
# 实现两个张量的加法
import tensorflow as tf  # 导入tensorflow模块，简写为tf

x = tf.constant([[1.0, 2.0]])  # 定义张量a,constant方法用来定义常数
w = tf.constant([[3.0], [4.0]])  # 定义张量b
y = tf.matmul(x, w)
# print(y)
# 使用Session得到运算结果
with tf.Session() as sess:
    print(sess.run(y))  # [[11.]]

控制台打印：[[11.]]
即：1.03.0 + 2.04.0 = 11.0