需要注意的是我们可以使用两种方法来创建并使用session. 我们计算WX+b，其中W，X和b是从随机正态分布中抽取的。我们开始定义一个shape=（3,1）的常量X：。实现一个线性功能：。初始化X，类型为tensor的随机变量，维度为(3,1). res

Anaconda prompt中命令:anconda prompt可以直接管理整个conda下的资源1.下载conda中没有的python资源包比如没有python3.6可以执行下面的命令:. 在安装tensorflow的时候,我们要注意安装的是CPU版的

在“Advanced Installation Options”中不要勾选“Add Anaconda to my PATH environment variable.”（“添加Anaconda至我的环境变量。”如果使用Anaconda，则通过打开Anaco

由于TensorFlow版本较低，个别函数用法已经发生变化，不过无关紧要，出现错误网上都有解决方法。输入图片路径，即可查看top-5分类结果。VGG网络结构较为简单，网上学习资源也很多，也可以参考北京大学mooc的tensorflow笔记，本代码也是参考该

查找了一些博主的经验，再加上自己摸索，在这里做个笔记，总结经验。其中关键要素有以下3点：。下面通过实例进行描述。保存前注意！！！需要对要保存的变量命名，即属性中的name=XXX. # train_data 格式示例，batch_size*num_step

Tensorflow 通过 tf.device 指定每个操作运行的设备，可以指定本地的 CPU、GPU，还可以指定远程服务器；Tensorflow 会给每个本地设备一个名称，如 /cpu:0，即使电脑有多块 CPU ，tf 不会做区分，统一叫 /cpu:0

module ‘tensorflow’ has no attribute ‘ConfigProto’/‘Session’问题的解决

计算图是对有向图的表示，主要包含点和边；tensorflow使用计算图计算，计算图的点对应于ops，variables，constant，placeholder等，边对应于Tensors。因此tensorflow主要包含两个部分：构建计算图和runtime

x = np.linspace # 之间等间隔的 180 个点。y = [ / float for x in inputs]

x_data = np.column_stack #添加一列，将new_data添加到x_data中。# 构建模型为：y_model = w1X1 + w2X2 + w3X3 + w4X4 + w5X5 + w6X6 + w7X7 + w8X8 + bia

sub=tf.subtract(x,a) #增加一个减法op. add=tf.add #增加一个加法op. #注意变量再使用之前要再sess中做初始化，但是下边这种初始化方法不会指定变量的初始化顺序。new_value=tf.add #创建一

tensorflow在训练时默认占用所有GPU的显存。

没有看过MNIST基础的人请移步这里。TensorFlow是一个非常强大的用来做大规模数值计算的库。其所擅长的任务之一就是实现以及训练深度神经网络。在本教程中，我们将学到构建一个TensorFlow模型的基本步骤，并将通过这些步骤为MNIST构建一个深度卷

基于TensorFlow的NN：用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型。数据类型：Tensorflow 的数据类型有 tf.float32、tf.int32 等。可以打印出这样一句话：Tensor，意思为

AttributeError: module ‘tensorflow‘ has no attribute ‘random_normal‘。　　# Build a graph.　　a = tf.constant(5.0)　　b = tf.constant(6

首先，对于tensorflow来说，最重要的概念就是图和会话，tensorflow的计算思想是：以图的形式来表示模型，表示和计算分隔开。这就是一个Data Flow Graph，最核心的就是定义和计算不等于执行，一个模型跑起来只需要两步：先描述整幅图，然后

TensorFlow中，想要维度增加一维，可以使用tf.expand_dims函数。当然，我们常用tf.reshape也可以达到相同效果，但是有些时候在构建图的过程中，placeholder没有被feed具体的值，这时就会包下面的错误：TypeError:

如果现在还是在进行session.run(..)的话！尤其是苦恼于GPU显存都塞满了利用率却上不去的童鞋，这篇文章或许可以给你打开新世界的大门噢(￣￣). 所以伸手党们也可以X掉了╮╭。很早很早之前，在小夕刚接触tensorflow和使用GPU加速计算的时

tf.meshgrid()用于从数组a和b产生网格。生成的网格矩阵A和B大小是相同的，它也可以是更高维的。它相当于a从一行重复增加到size行，把b转置成一列在重复增加到size列。[[ 0 5 10] [ 0 5 10] [ 0 5 10] [ 0

然而，理解神经网络的研究一直也没有停止过，本文就来介绍几种神经网络的可解释性方法，并配有能够在Jupyter下运行的代码连接。Sensitivity Analysis、Simple Taylor Decomposition、Layer-wise Relev