TensorFlow学习Program1——3.TF常量、变量和占位符详解+超参数...
发布网友
共1个回答
热心网友
TensorFlow提供了一个库来定义和执行对张量的各种数算，张量是一个n维矩阵，包括标量、矢量、矩阵等。
TensorFlow支持三种类型的张量：标量、向量、矩阵。
声明标量常量，例如：
创建零元素矩阵：
使用tf.zeros()函数，如创建形如[M，N]的矩阵：
使用tf.zeros_like()和tf.ones_like()创建与现有数组或常量相同形状的张量，分别填充零或一。
使用tf.random_normal()、tf.truncated_normal()、tf.random_uniform()生成具有特定分布的随机张量。
使用tf.range()生成数字序列。
使用tf.random_shuffle()对张量进行随机排序。
使用tf.set_random_seed()设置随机种子，确保可重复性。
通过tf.Variable()创建变量，用于初始化权重和偏置。
定义变量时，使用正态分布随机初始化。
显式初始化所有声明的变量。
使用占位符将数据提供给计算图，定义占位符时必须指定数据类型。
在定义部分使用print语句仅得到张量类型信息，实际值需在会话中提取。
使用tf.convert_to_tensor()将Numpy数组、列表或标量转换为张量，以与TensorFlow函数和运算符交互。
常见的超参数包括学习率、正则化器、优化器等。
调整超参数的过程涉及随机搜索、网格搜索或手动选择可能值。
选择参数以优化损失函数，保存性能更好的模型。
贝叶斯优化可辅助超参数调整，基于先前评估的参数和性能，推测最佳参数组合。
