搜文章
推荐 原创 视频 Java开发 iOS开发 前端开发 JavaScript开发 Android开发 PHP开发 数据库 开发工具 Python开发 Kotlin开发 Ruby开发 .NET开发 服务器运维 开放平台 架构师 大数据 云计算 人工智能 开发语言 其它开发
Lambda在线 > AI教研室 > tensorflow中tf.Variable()的使用

tensorflow中tf.Variable()的使用

AI教研室 2017-10-10

课程主讲人 中国科学院自动化研究所 张重阳


强烈建议大家选择高清模式下观看视频,否则可能出现代码看不清楚的情况。文末,点击“阅读原文”,可以获取高清视频链接





此次课程中,主要讲解tensorflowtf.variable()的使用。首先,导入tensorflow库,使用tf.Variable()定义权重w,这里表示w这个值是可变的,因为在深度神经网络中,神经网络的权重是需要实时更新的。同理使用tf.Variable()定义bb的初始值是-0.3。使用placeholder来定义一个x。然后定义一个linear_model线性模型Wx+b,首先需要定义initinit的作用是初始化变量Wb,用tf.global_variables_initializer语句对wb进行初始化。为了将Wb初始化,首先定义一个session,然后通过sess.run(init)这样的方式来将Wb初始化为0.3-0.3。接下来,打印输出 liner_model的值。运行sess.run()时,传入了x的具体值,在这里,将 x传入向量为[1,2,3,4],通过线性运算,liner_model的值为[0,0.3,0.6,0.9]。通过简单的计算也可以得到这样的结果。接着,通过tf.placeholder()来定义类型为tf.float32的变量y。在机器学习中,存在一个预测值和真实值之差,通过tf.square(),以平方差的形式,来表示预测值和真实值之差,之后通过tf.reduce_sum()的语句来对每个值的平方差进行求和得到值loss。假设y的真实值是[0,-1,-2,-3],输入x[1,2,3,4],通过运行程序,可以计算出最终的loss值为23.66,可以发现真实值和预测值之差是比较大的。通过调整参数w,可以使预测值和真实值之差尽可能的小,这将在下一节课中介绍。


往期公开课链接



岗位要求

1、高等院校学生,本科、研究生、博士均可,每周有5-8个小时的时间投入

2、强烈的责任心以及时间观念,能够高质量按时完成所布置的任务

3、有新媒体运营经验的优先考虑,学生会、计算机技术类社团干部优先考虑

4、有视频编辑、后期处理的优先考虑

5、擅长平面设计的优先考虑


入选的志愿者,在完成一定量的工作之后,将直接获得免费参与我们线下收费课程的资格!


志愿者申请,请发送个人简历至dreamworksai@163.com  邮件主题为AI教研室志愿者申请+姓名+学校+专业

长|按|二|维|码|关|注

版权声明:本站内容全部来自于腾讯微信公众号,属第三方自助推荐收录。《tensorflow中tf.Variable()的使用》的版权归原作者「AI教研室」所有,文章言论观点不代表Lambda在线的观点, Lambda在线不承担任何法律责任。如需删除可联系QQ:516101458

文章来源: 阅读原文

相关阅读

关注AI教研室微信公众号

AI教研室微信公众号:AI_classroom

AI教研室

手机扫描上方二维码即可关注AI教研室微信公众号

AI教研室最新文章

精品公众号随机推荐