TensorFlow2.0教程-eager模式

TensorFlow2.0教程-eager模式

Tensorflow 2.0 教程持续更新： https://blog.csdn.net/qq_31456593/article/details/88606284

TensorFlow 2.0 教程- Keras 快速入门
TensorFlow 2.0 教程-keras 函数api
TensorFlow 2.0 教程-使用keras训练模型
TensorFlow 2.0 教程-用keras构建自己的网络层
TensorFlow 2.0 教程-keras模型保存和序列化
TensorFlow 2.0 教程-eager模式
TensorFlow 2.0 教程-Variables
TensorFlow 2.0 教程–AutoGraph

TensorFlow 2.0 深度学习实践

TensorFlow2.0 教程-图像分类
TensorFlow2.0 教程-文本分类
TensorFlow2.0 教程-过拟合和欠拟合

完整tensorflow2.0教程代码请看tensorflow2.0：中文教程tensorflow2_tutorials_chinese(欢迎star)

1.eager模式下运算

# 在eager模式下可以直接进行运算
x = [[3.]]
m = tf.matmul(x, x)
print(m.numpy())a = tf.constant([[1,9],[3,6]])
print(a)b = tf.add(a, 2)
print(b)
print(a*b)import numpy as np
s = np.multiply(a,b)
print(s)

[[9.]]
tf.Tensor(
[[1 9][3 6]], shape=(2, 2), dtype=int32)
tf.Tensor(
[[ 3 11][ 5  8]], shape=(2, 2), dtype=int32)
tf.Tensor(
[[ 3 99][15 48]], shape=(2, 2), dtype=int32)
[[ 3 99][15 48]]

2.动态控制流

def fizzbuzz(max_num):counter = tf.constant(0)max_num = tf.convert_to_tensor(max_num)for num in range(1, max_num.numpy()+1):num = tf.constant(num)if int(num % 3) == 0 and int(num % 5) == 0:print('FizzBuzz')elif int(num % 3) == 0:print('Fizz')elif int(num % 5) == 0:print('Buzz')else:print(num.numpy())counter += 1
fizzbuzz(16)

1
2
Fizz
4
Buzz
Fizz
7
8
Fizz
Buzz
11
Fizz
13
14
FizzBuzz
16

3.构建模型

# 如果必须强制执行该层，则在构造函数中设置self.dynamic = True：
class MySimpleLayer(tf.keras.layers.Layer):def __init__(self, output_units):super(MySimpleLayer, self).__init__()self.output_units = output_unitsself.dynamic = Truedef build(self, input_shape):self.kernel = self.add_variable("kernel", [input_shape[-1], self.output_units])def call(self, input):return tf.matmul(input, self.kernel)

# 构造一个模型
class MNISTModel(tf.keras.Model):def __init__(self):super(MNISTModel, self).__init__()self.dense1 = tf.keras.layers

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！