当前课程知识点:计算思维与人工智能基础 > 第三部分:python基础 > 第九章:TensorFlow基础 > 9.2TensorFlow 2.0的改进
下面我们给大家介绍一下
TrensorFlow2.0
的安装
TrensorFlow框架
支持多种常见的操作系统
比如说Windows
Ubuntu
Mac Os等
那他的版本呢也可以有CPU的版本
同时呢也有呢GPU的版本
那么TrensorFlow
的兼容性最好的是
Unix内核的一些系统
比如说Linux或者是MacOS
在安装的时候呢
硬件有一定的要求
软件也需要一定的要求
那么在我们装的那个Python
得要大于3.4的版本
本身的版本也得超过19版本以上
那么在装的时候具体的操作系统
比如说Ubuntu的话
是在16.04的版本以上
对于Windows的话
在win7以上
那么MacOS是
10.12.6的版本上
那么这还可以支持我们的
Raspbian
9.0的这个版本以上
那么对于
硬件的要求呢
从TrensorFlow
1. 6就开始呢
二进制文件使用的AVX 这个指令
那么这些指令
可能无法在较旧的这个CPU上运行
那么对于GPU呢
对于CUDA
Compute
Capability
他是3.5以上
或者是更高版本的
英伟达的这个GPU的卡支持
TrensorFlow的安装
和python的
第三方库安装一样
都可以通过
pip insstall
来进行安装
那么这个命令的使用的时候呢
我们主要是要把这个镜像要写对
我们通过pip install
tensorflow
-i
那么这时可以通过什么呀
清华的镜像
那么也可以安装
在清华镜像下安装指定版本
我们tensorflow2.0
这样去安装它
那么也可以下载包
我前面讲的三种方法
在这个地方都可以使用啊
那么在这个里面的话
我们下载完了以后呢
nsynth包含一些数据集
比如说我们可以同时
用到音乐上的图像上的
像这个图像上面常用的这个
mnist和我们的
这个fashion_mnist
以及用文本的还有可以做翻译类的
结构化的数据集以及视频的数据集
我们可以在
TrensorFlow下载
相关的数据集做一些测试呀
或者一些应用啊
下面我们介绍一下
TrensorFlow的基础
那么从三个方面
从数据、设备和运算方面来介绍
首先我们介绍一下
TrensorFlow的数据
数据的类型它的构造和
缩影以及切片维度的一些使用
TrensorFlow的数据
数据类型有数值型
数值型是TrensorFlow的
主要的一个常用的类型
他可以通过tf.constant
可以输入的像这样一个矩阵
那么我们把它称之为一个常量
constant是一个
常亮的一个张量
那么也可以呢
是一个变量
那么这个常量的一半
我们称之为不可导
变量是可以导的
那么它增加了一个
tf.Variable
这样的一个数据类型
那么可以把这个常量
通过我们转换成一个变量
那么这个变量就可以进行求导了
另外有字符串类型和布尔类型
和我们常用的是一样的
对于TrensorFlow里的
Trensor数据构造
我们可以通过
tf.constant
也可以通过一些转换
通过Numpy
因为它里面是一个tensor
其实是一个
由一个多维的矩阵可以去描述
它可以通过Numpy
把它进行转换成我们的tensor
也可以通过random这个函数
去生成normal
也可以生成这个截断的正态分布
也可以通过uniform
均匀的分布
来去获得我们这个数据
也可以通过tf.range
创建一个序列号开始于结束
那么其他的可以用
tf.zeros就全部是零的
也可以通过tf.fill
或者是tf. ones_like
来去生成我们的tensor
这个可以通过
tf.concert_to_
tensor(a)
把我们的Numpy它转换成
那么这个tensor
也可以通过它里面的一个点
Numpy这个函数转换成
把tensor转换成Numpy
我们在使用的时候
会常做一些预测
等等一些那么真实的数据
后模拟出来的数据呢
他之间的误差我们就可以通过
均方差
和均方差再求一个平均值来求和的
那么这个均方差出来的是有多少个
比如说我们这个点就是Y的值
我们这个我们拟合出来一个曲线
y’=wx+b
在这个里面的话
他的均方差我们可以看到
通过这个公式我们就可以去获得
我们看Y是这里有几个曲折
这里有6个曲折
msc出来的时候也是一个矩阵
里面有6个值
那么在这个里面的话
相当于可以通过
tf.keras
losses.mes
那么这个函数实现的
就是这样的一个表达式
然后我们这个呢是
比如说这有6个
那么这个reduce_mean
是求他的一个是平均值
那么 另外的话我们
TrensorFlow是一个矩阵
矩阵里面我们可以进行缩影
要用下标来去获得某一个什么样啊?
某一个矩阵的一部分
那么也可以进行什么呀切片
在这个里面我们可以看
这是我们通过
random.normal
来得到的一个a这样的一个矩阵
我们在这称谓tensor
那我们在这个矩阵里面
可以通过下标123
这样子
这俩个是什么呀?等价的
那么这个里面呢?
我们可以看的到
我们通过range而序列的方式
来去获得到一个这样的一个
Tensor
那么这个里面呢我们
也是和前面的数组Numpy里面的
矩阵使用方法是一样的
只是左臂右开的这样一个原则
这个里面还有一些什么呀
可以进行矩阵时可以进行转换
比如说可以通过
reshape来转换它的形状
那么也可以通过
transpose来转至
可以增加维度减少维度
那么这些刚才介绍的方法
我们可以在
TrensorFlow下呢
来看一下它的具体的一个实现的演示
那么如果在装好了
TrensorFlow的话
我们使用的时候
一样用import什么呀
TrensorFlow把它导进来
那我们可以看到
我们导进来的一个版本啊
那么是
TrensorFlow2.0
下面呢我们可以看得到
这几个是我们
TrensorFlow的数据是吧
构造跟常量
还有一个什么呀
我们运行一下可以看到他的结果
那么第一个是常量
Tensor shap
然后呢?第二个呢
是一个double类型的
那么它的值它的shape
然后第三个呢是什么什么值
这是我们在一维的二维的
第4个a4呢是我们一个什么呀
那么是一个字符串啊
那么也是一个一维的一个标量
然后是串类型的类型
那也可以通过其他的方式来去
通过我们
linspace range
序列的方式进行生成
那么转换的时候呢我们可以看得到
这个
这是一个Numpy
我把它生成一个Numpy
数组把它转换成我们的一个
通过我们刚才说的
convert_
to_tensor
来把它进行转换转换
转换一下来我们可以看
运行一下
那么A就转化成一个tensor
shape
这里面是一维的有五个元素
-章测试
-章测试
-第一章:python简介
--章测试
-第二章:编码规范
--2.2常量和变量
--章测试
-第三章:数据类型
--章测试
-第四章:基本运算
--4.2比较运算符
--4.3逻辑运算符
--4.4位运算符
--章测试
-第五章:程序控制结构
--5.1顺序结构
--5.2条件结构
--5.3循环结构
--5.4跳转结构
--5.5异常处理
--章测试
-第六章:函数、模块与面向对象
--6.2面向对象
--6.4模块与包
--章测试
-第七章:文件操作
--7.2文件的写入
--章测试
-第八章:python生态库
--章测试
-第九章:TensorFlow基础
--章测试
-第十章:实例分析与实践
--章测试
-第十一章:人工智能在自然语言中的应用
--章测试