9.2TensorFlow 2.0的改进在线视频

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