日本综合一区二区|亚洲中文天堂综合|日韩欧美自拍一区|男女精品天堂一区|欧美自拍第6页亚洲成人精品一区|亚洲黄色天堂一区二区成人|超碰91偷拍第一页|日韩av夜夜嗨中文字幕|久久蜜综合视频官网|精美人妻一区二区三区

RELATEED CONSULTING
相關(guān)咨詢
選擇下列產(chǎn)品馬上在線溝通
服務(wù)時(shí)間：8:30-17:00
你可能遇到了下面的問題
關(guān)閉右側(cè)工具欄

新聞中心

這里有您想知道的互聯(lián)網(wǎng)營銷解決方案
關(guān)于TensorFlow簡(jiǎn)單例子

在本文中，我們將看一些 TensorFlow 的例子，并從中感受到在定義張量tensor和使用張量做數(shù)學(xué)計(jì)算方面有多么容易，我還會(huì)舉些別的機(jī)器學(xué)習(xí)相關(guān)的例子。

創(chuàng)新互聯(lián)公司是一家專業(yè)提供崗巴企業(yè)網(wǎng)站建設(shè),專注與成都網(wǎng)站制作、成都網(wǎng)站建設(shè)、外貿(mào)營銷網(wǎng)站建設(shè)、H5網(wǎng)站設(shè)計(jì)、小程序制作等業(yè)務(wù)。10年已為崗巴眾多企業(yè)、政府機(jī)構(gòu)等服務(wù)。創(chuàng)新互聯(lián)專業(yè)網(wǎng)絡(luò)公司優(yōu)惠進(jìn)行中。

TensorFlow 是什么?

TensorFlow 是 Google 為了解決復(fù)雜的數(shù)學(xué)計(jì)算耗時(shí)過久的問題而開發(fā)的一個(gè)庫。

事實(shí)上，TensorFlow 能干許多事。比如：

  • 求解復(fù)雜數(shù)學(xué)表達(dá)式
  • 機(jī)器學(xué)習(xí)技術(shù)。你往其中輸入一組數(shù)據(jù)樣本用以訓(xùn)練，接著給出另一組數(shù)據(jù)樣本基于訓(xùn)練的數(shù)據(jù)而預(yù)測(cè)結(jié)果。這就是人工智能了！
  • 支持 GPU 。你可以使用 GPU（圖像處理單元）替代 CPU 以更快的運(yùn)算。TensorFlow 有兩個(gè)版本： CPU 版本和 GPU 版本。

開始寫例子前，需要了解一些基本知識(shí)。

什么是張量？

張量tensor是 TensorFlow 使用的主要的數(shù)據(jù)塊，它類似于變量，TensorFlow 使用它來處理數(shù)據(jù)。張量擁有維度和類型的屬性。

維度指張量的行和列數(shù)，讀到后面你就知道了，我們可以定義一維張量、二維張量和三維張量。

類型指張量元素的數(shù)據(jù)類型。

定義一維張量

可以這樣來定義一個(gè)張量：創(chuàng)建一個(gè) NumPy 數(shù)組（LCTT 譯注：NumPy 系統(tǒng)是 Python 的一種開源數(shù)字?jǐn)U展，包含一個(gè)強(qiáng)大的 N 維數(shù)組對(duì)象 Array，用來存儲(chǔ)和處理大型矩陣 ）或者一個(gè) Python 列表 ，然后使用 tf_convert_to_tensor 函數(shù)將其轉(zhuǎn)化成張量。

可以像下面這樣，使用 NumPy 創(chuàng)建一個(gè)數(shù)組：

 
 
 
    
  
  
  
  1. import numpy as np arr = np.array([1, 5.5, 3, 15, 20])
    2. 
  
  
  
  2. arr = np.array([1, 5.5, 3, 15, 20])
    3.

運(yùn)行結(jié)果顯示了這個(gè)數(shù)組的維度和形狀。

 
 
 
    
  
  
  
  1. import numpy as np
    2. 
  
  
  
  2. arr = np.array([1, 5.5, 3, 15, 20])
    3. 
  
  
  
  3. print(arr)
    4. 
  
  
  
  4. print(arr.ndim)
    5. 
  
  
  
  5. print(arr.shape)
    6. 
  
  
  
  6. print(arr.dtype)
    7.

它和 Python 列表很像，但是在這里，元素之間沒有逗號(hào)。

現(xiàn)在使用 tf_convert_to_tensor 函數(shù)把這個(gè)數(shù)組轉(zhuǎn)化為張量。

 
 
 
    
  
  
  
  1. import numpy as np
    2. 
  
  
  
  2. import tensorflow as tf
    3. 
  
  
  
  3. arr = np.array([1, 5.5, 3, 15, 20])
    4. 
  
  
  
  4. tensor = tf.convert_to_tensor(arr,tf.float64)
    5. 
  
  
  
  5. print(tensor)
    6.

這次的運(yùn)行結(jié)果顯示了張量具體的含義，但是不會(huì)展示出張量元素。

要想看到張量元素，需要像下面這樣，運(yùn)行一個(gè)會(huì)話：

 
 
 
    
  
  
  
  1. import numpy as np
    2. 
  
  
  
  2. import tensorflow as tf
    3. 
  
  
  
  3. arr = np.array([1, 5.5, 3, 15, 20])
    4. 
  
  
  
  4. tensor = tf.convert_to_tensor(arr,tf.float64)
    5. 
  
  
  
  5. sess = tf.Session()
    6. 
  
  
  
  6. print(sess.run(tensor))
    7. 
  
  
  
  7. print(sess.run(tensor[1]))
    8.

定義二維張量

定義二維張量，其方法和定義一維張量是一樣的，但要這樣來定義數(shù)組：

 
 
 
    
  
  
  
  1. arr = np.array([(1, 5.5, 3, 15, 20),(10, 20, 30, 40, 50), (60, 70, 80, 90, 100)])
    2.

接著轉(zhuǎn)化為張量：

 
 
 
    
  
  
  
  1. import numpy as np
    2. 
  
  
  
  2. import tensorflow as tf
    3. 
  
  
  
  3. arr = np.array([(1, 5.5, 3, 15, 20),(10, 20, 30, 40, 50), (60, 70, 80, 90, 100)])
    4. 
  
  
  
  4. tensor = tf.convert_to_tensor(arr)
    5. 
  
  
  
  5. sess = tf.Session()
    6. 
  
  
  
  6. print(sess.run(tensor))
    7.

現(xiàn)在你應(yīng)該知道怎么定義張量了，那么，怎么在張量之間跑數(shù)學(xué)運(yùn)算呢？

在張量上進(jìn)行數(shù)學(xué)運(yùn)算

假設(shè)我們有以下兩個(gè)數(shù)組：

 
 
 
    
  
  
  
  1. arr1 = np.array([(1,2,3),(4,5,6)])
    2. 
  
  
  
  2. arr2 = np.array([(7,8,9),(10,11,12)])
    3.

利用 TenserFlow ，你能做許多數(shù)學(xué)運(yùn)算?，F(xiàn)在我們需要對(duì)這兩個(gè)數(shù)組求和。

使用加法函數(shù)來求和：

 
 
 
    
  
  
  
  1. import numpy as np
    2. 
  
  
  
  2. import tensorflow as tf
    3. 
  
  
  
  3. arr1 = np.array([(1,2,3),(4,5,6)])
    4. 
  
  
  
  4. arr2 = np.array([(7,8,9),(10,11,12)])
    5. 
  
  
  
  5. arr3 = tf.add(arr1,arr2)
    6. 
  
  
  
  6. sess = tf.Session()
    7. 
  
  
  
  7. tensor = sess.run(arr3)
    8. 
  
  
  
  8. print(tensor)
    9.

也可以把數(shù)組相乘：

 
 
 
    
  
  
  
  1. import numpy as np
    2. 
  
  
  
  2. import tensorflow as tf
    3. 
  
  
  
  3. arr1 = np.array([(1,2,3),(4,5,6)])
    4. 
  
  
  
  4. arr2 = np.array([(7,8,9),(10,11,12)])
    5. 
  
  
  
  5. arr3 = tf.multiply(arr1,arr2)
    6. 
  
  
  
  6. sess = tf.Session()
    7. 
  
  
  
  7. tensor = sess.run(arr3)
    8. 
  
  
  
  8. print(tensor)
    9.

現(xiàn)在你知道了吧。

三維張量

我們已經(jīng)知道了怎么使用一維張量和二維張量，現(xiàn)在，來看一下三維張量吧，不過這次我們不用數(shù)字了，而是用一張 RGB 圖片。在這張圖片上，每一塊像素都由 x、y、z 組合表示。

這些組合形成了圖片的寬度、高度以及顏色深度。

首先使用 matplotlib 庫導(dǎo)入一張圖片。如果你的系統(tǒng)中沒有 matplotlib ，可以 使用 pip來安裝它。

將圖片放在 Python 文件的同一目錄下，接著使用 matplotlib 導(dǎo)入圖片：

 
 
 
    
  
  
  
  1. import matplotlib.image as img
    2. 
  
  
  
  2. myfile = "likegeeks.png"
    3. 
  
  
  
  3. myimage = img.imread(myfile)
    4. 
  
  
  
  4. print(myimage.ndim)
    5. 
  
  
  
  5. print(myimage.shape)
    6.

從運(yùn)行結(jié)果中，你應(yīng)該能看到，這張三維圖片的寬為 150 、高為 150 、顏色深度為 3 。

你還可以查看這張圖片：

 
 
 
    
  
  
  
  1. import matplotlib.image as img
    2. 
  
  
  
  2. import matplotlib.pyplot as plot
    3. 
  
  
  
  3. myfile = "likegeeks.png"
    4. 
  
  
  
  4. myimage = img.imread(myfile)
    5. 
  
  
  
  5. plot.imshow(myimage)
    6. 
  
  
  
  6. plot.show()
    7.

真酷！

那怎么使用 TensorFlow 處理圖片呢？超級(jí)容易。

使用 TensorFlow 生成或裁剪圖片

首先，向一個(gè)占位符賦值：

 
 
 
    
  
  
  
  1. myimage = tf.placeholder("int32",[None,None,3])
    2.

使用裁剪操作來裁剪圖像：

 
 
 
    
  
  
  
  1. cropped = tf.slice(myimage,[10,0,0],[16,-1,-1])
    2.

***，運(yùn)行這個(gè)會(huì)話：

 
 
 
    
  
  
  
  1. result = sess.run(cropped, feed\_dict={slice: myimage})
    2.

然后，你就能看到使用 matplotlib 處理過的圖像了。

這是整段代碼：

 
 
 
    
  
  
  
  1. import tensorflow as tf
    2. 
  
  
  
  2. import matplotlib.image as img
    3. 
  
  
  
  3. import matplotlib.pyplot as plot
    4. 
  
  
  
  4. myfile = "likegeeks.png"
    5. 
  
  
  
  5. myimage = img.imread(myfile)
    6. 
  
  
  
  6. slice = tf.placeholder("int32",[None,None,3])
    7. 
  
  
  
  7. cropped = tf.slice(myimage,[10,0,0],[16,-1,-1])
    8. 
  
  
  
  8. sess = tf.Session()
    9. 
  
  
  
  9. result = sess.run(cropped, feed_dict={slice: myimage})
    10. 
  
  
  
  10. plot.imshow(result)
    11. 
  
  
  
  11. plot.show()
    12.

是不是很神奇？

使用 TensorFlow 改變圖像

在本例中，我們會(huì)使用 TensorFlow 做一下簡(jiǎn)單的轉(zhuǎn)換。

首先，指定待處理的圖像，并初始化 TensorFlow 變量值：

 
 
 
    
  
  
  
  1. myfile = "likegeeks.png"
    2. 
  
  
  
  2. myimage = img.imread(myfile)
    3. 
  
  
  
  3. image = tf.Variable(myimage,name='image')
    4. 
  
  
  
  4. vars = tf.global_variables_initializer()
    5.

然后調(diào)用 transpose 函數(shù)轉(zhuǎn)換，這個(gè)函數(shù)用來翻轉(zhuǎn)輸入網(wǎng)格的 0 軸和 1 軸。

 
 
 
    
  
  
  
  1. sess = tf.Session()
    2. 
  
  
  
  2. flipped = tf.transpose(image, perm=[1,0,2])
    3. 
  
  
  
  3. sess.run(vars)
    4. 
  
  
  
  4. result=sess.run(flipped)
    5.

接著你就能看到使用 matplotlib 處理過的圖像了。

 
 
 
    
  
  
  
  1. import tensorflow as tf
    2. 
  
  
  
  2. import matplotlib.image as img
    3. 
  
  
  
  3. import matplotlib.pyplot as plot
    4. 
  
  
  
  4. myfile = "likegeeks.png"
    5. 
  
  
  
  5. myimage = img.imread(myfile)
    6. 
  
  
  
  6. image = tf.Variable(myimage,name='image')
    7. 
  
  
  
  7. vars = tf.global_variables_initializer()
    8. 
  
  
  
  8. sess = tf.Session()
    9. 
  
  
  
  9. flipped = tf.transpose(image, perm=[1,0,2])
    10. 
  
  
  
  10. sess.run(vars)
    11. 
  
  
  
  11. result=sess.run(flipped)
    12. 
  
  
  
  12. plot.imshow(result)
    13. 
  
  
  
  13. plot.show()
    14.

以上例子都向你表明了使用 TensorFlow 有多么容易。


本文名稱：關(guān)于TensorFlow簡(jiǎn)單例子
網(wǎng)頁網(wǎng)址：http://www.dlmjj.cn/article/ccdjjoo.html