张量中的所有元素只能有一种数据类型。可以使用张量属性dtype获取数据类型。importtensorflowastfm_shape=tf.constant([[10,11],[12,13],[14,15]])print(m_shape.dtype)输出<dtype:'int32'>在某些情况下，你希望更改数...

张量的形状描述了张量中每个维度的元素数量。打印张量时，TensorFlow会输出张量的形状，你也可以直接获取张量的形状属性。importtensorflowastf#张量形状m_shape=tf.constant([[10,11],[12,13],[14,15]])m_shape.shape输出TensorShape(...

要创建张量，可以使用tf.constant()函数。tf.constant(value,dtype,name="")参数说明value:定义张量的n维数组值，可选dtype:定义张量数据类型，例如：tf.string:字符串类型tf.float32:浮点类型tf.int16:整型“name”:张...

TensorFlow中的各种操作，如加权求和，激活函数等，都被编排成一个图，称为计算图。这样，一个神经网络就可以用一个计算图来表示。计算图从本质上来说，是TensorFlow在内存中构建的程序逻辑图，它定义了实现神经网络所需的变量和操作。计算图定义好后，就可以被执行了。计算图可以被分割成多个块，并且可以并行地运行在多个...

Tensorflow的名字直接来源于它的核心数据结构：张量。张量的概念来源于线性代数，表示一个多维数组，张量中的元素具有相同的数据类型。Tensorflow中，所有的计算都涉及到张量，张量可以是输入数据，或者计算结果。TensorFlow中的各种操作，如加权求和，激活函数等，都被编排成一个图，称为计算图。这样，一个神经...

在创建TensorFlow中的应用程序之前，最好能先理解TensorFlow所需的数学概念。数学被认为是任何机器学习算法的核心。标量(scalar) 一个单独的数向量(vector) 一列数，即一维数组矩阵(matrix) 二维数组张量(tensor) 多维数组矩阵加法如果2个矩...

具有感知、学习、推理和解决问题等认知功能的机器被认为拥有人工智能。当机器具有认知能力时，人工智能就产生了。人类在相关领域的能力是人工智能的衡量标准。弱人工智能 弱人工智能执行特定任务，甚至比人类做得更好，例如，围棋人工智能AlphaGo。弱人工智能是目前人工智能的主要研究领域。强人工智能 强人工智能...

TensorFlow是一个开源的深度学习框架，由谷歌团队开发。TensorFlow使用方便，开发人员可以用来开发各种人工智能应用。TensorFlow的官方网站:www.tensorflow.orgTensorFlow的主要特性：以张量(一种多维数组)为基础，轻松定义、计算数学算式提供对深度神经网络和机器学习技术的编程...

DNN（深度神经网络算法）现在是AI社区的流行词。最近，DNN在许多数据科学竞赛/Kaggle竞赛中获得了多次冠军。自从1962年Rosenblat提出感知机（Perceptron）以来，DNN的概念就已经出现了，而自Rumelhart、Hinton和Williams在1986年发现了梯度下降算法后，DNN的概念就变得...

代码实现：importnumpyasnpimportmatplotlib.pyplotaspltfromsklearnimportdatasetsimporttensorflow.compat.v1astftf.disable_v2_behavior()#使用静态图模式运行以下代码asserttf.__version_...

张量是tensorflow中的基本数据结构#全零张量zero_tsr=tf.zeros([row_dim,col_dim])#全1张量ones_tsr=tf.ones([row_dim,col_dim])#填充张量filled_tsr=tf.fill([row_dim,col_dim],42)#常量constant_t...

代码实现：importnumpyasnpimporttensorflow.compat.v1astftf.disable_v2_behavior()#使用静态图模式运行以下代码asserttf.__version__.startswith('2.')sess=tf.Session()x_vals=np.array([1...

   现在越来越多的人工智能和机器学习以及深度学习，强化学习出现了，然后自己也对这个产生了点兴趣，特别的进行了一点点学习，就通过这篇文章来简单介绍一下，关于如何搭建Tensorflow以及如何进行使用。建议的话，还是要学习了一点Python基础知识和Linux知识是最好的！步骤：https...

在 TensorFlow 实现简单线性回归的基础上，可通过在权重和占位符的声明中稍作修改来对相同的数据进行多元线性回归。在多元线性回归的情况下，由于每个特征具有不同的值范围，归一化变得至关重要。这里是波士顿房价数据集的多重线性回归的代码，使用13个输入特征。波士顿房价数据集可从http://lib....

本节将针对波士顿房价数据集的房间数量（RM）采用简单线性回归，目标是预测在最后一列（MEDV）给出的房价。波士顿房价数据集可从http://lib.stat.cmu.edu/datasets/boston处获取。本小节直接从 TensorFlow contrib数据集加载数据。使用随机梯度下降优化器...