起首使所有 Variable 操尴尬刁难张量初始化;然后，将之前创建的图大年夜底部到 train_step履行最多不跨越 10001 遍;这是最后一个添加到图中的器械。我们将 inputvals和targetvals经由过程RMSPropOptimizer导入train_step操作。这就是经由过程调剂权重，在给定输入值的情况下，让输出值赓续接近目标值的步调。只要输出值和目标值之间的误差足够小，小到某个能遭受典范围，这个轮回就会停止。

如不雅你有成百上千的输入/输出组，你可以一次练习一个子集，也就是前面提到的一批(batch)。但这里我们一共只有8组，所以每次都全放进去。

起首导入 "tensorflow" 模块，创建一个 session 随后应用。同时，为了让脚本更轻易懂得，我们也创建了一些变量，包含了收集中的神经元个数。

我们也可以将练习好的神经收集保存在一个文件(file)中，下次就不消再练习了。下次可以直接导入一个已经练习过的神经收集文件，文件中只包含进行过变量运算后的┞放量的值，而不包含全部图的构造。所以即就是履行已经练习好的图，我们仍然须要脚本来创建图形。MetaGraphs可以进行文件保存和导入图，但这里我们不这么做。

请留意，我们是大年夜图形底部运行至结不雅张量(results tensor)，在练习收集中赓续反复的创建结不雅。

我们输入000，欲望它返回一个接近001的值。然后将返回的值反复输入再次履行。如许总共运行9次，包管大年夜000数到111有足够的次数，之后再次回到000。

以下就是成功练习后的输出结不雅。在轮回中被练习了200次(steps)。在实际中，练习了10001次仍没有有效降低练习误差的情况异常罕有。一旦练习成功，练习若干次并不重要。

运行二进制计数器

前面说过，这里讲的二进制计数神经收集代码可以在我的Github主页上找到。你可以根据这些代码开端进修，或者不雅看TensorFlow官网上的其他入门教程。下一步，根据机械人辨认物体上获取的灵感，我想经由过程它做一些硬件方面的研究。

【编辑推荐】

1. 机械进修研究趋势分析：TensorFlow已超出Caffe成研究最常用框架
2. 28款GitHub最风行的开源机械进修衔目：TensorFlow排榜首
3. 图解机械进修：神经收集和TensorFlow的文本分类
4. 深度进修利器：TensorFlow体系架构及高机能法度榜样设计
5. 面向机械智能的TensorFlow实践：产品情况中模型的安排

【义务编辑：51CTO_OS TEL：（010）68476606】

下一步

　　推荐阅读

　　马斯克开公司挖隧道 受够堵车欲建地下3D轨交系统

埃隆·马斯克的平生是在赓续创造和改变世比赛度过的。当他欲望创造一种全新的在线付出方法时，于是有了PayPal;当他欲望有一辆没有污染的汽车瓯，于是有了特斯拉;当他欲望有一天能殖>>>详细阅读

本文标题：TensorFlow上手要点都总结在这儿了，你还有理由偷懒吗？

地址：http://www.17bianji.com/lsqh/35060.html

 1/2    1