TensorFlow.jl 基础使用

using TensorFlow
 
# 定义一个 Session
sess = TensorFlow.Session()
 
# 定义一个常量和变量
x = TensorFlow.constant([1])
y = TensorFlow.Variable([2])
 
# 定义一个计算
w = x + y
 
# 执行计算过程
run(sess, TensorFlow.global_variables_initializer())
res = run(sess, w)
 
# 输出结果
println(res)

MNIST数字分类

这个例子来自于 TensorFlow.jl 文档 ，可以用于对比 python 版本的 API.

# 使用自带例子中的 mnist_loader.jl 加载数据
include(Pkg.dir("TensorFlow", "examples", "mnist_loader.jl"))
loader = DataLoader()
 
# 定义一个 Session
using TensorFlow
sess = Session()
 
 
# 构建 softmax 回归模型
x = placeholder(Float32)
y_ = placeholder(Float32)
W = Variable(zeros(Float32, 784, 10))
b = Variable(zeros(Float32, 10))
 
run(sess, global_variables_initializer())
 
# 预测类和损失函数
y = nn.softmax(x*W + b)
cross_entropy = reduce_mean(-reduce_sum(y_ .* log(y), axis=[2]))
 
# 开始训练模型
train_step = train.minimize(train.GradientDescentOptimizer(.00001), cross_entropy)
for i in 1:1000
    batch = next_batch(loader, 100)
    run(sess, train_step, Dict(x=>batch[1], y_=>batch[2]))
end
 
# 查看结果并评估模型
correct_prediction = indmax(y, 2) .== indmax(y_, 2)
accuracy=reduce_mean(cast(correct_prediction, Float32))
testx, testy = load_test_set()
 
println(run(sess, accuracy, Dict(x=>testx, y_=>testy)))