import tensorflow as tf ten=tf.constant([[[1,2],[2,3]],[[3,4],[5.6]]]) sess=tf.Session() print(sess.run(ten)[1,0,0]) sess.close() 运行结果是()?
A.2
B.3
C.5
D.1
A.2
B.3
C.5
D.1
A、会话拥有并管理Tensorflow程序运行时的所有资源
B、利用python的上下文管理器,可以不需要手动关闭会话
C、tf.InteractiveSession会自动将生成的会话注册为默认会话
D、不同计算图共享张量和运算
A、training set:(60000,) testing set:10000
B、training set: (60000, 28, 28) testing set: 10000
C、training set:(10000, 28, 28) testing set: 60000
D、training set:(10000,) testing set: 60000
通过生成人工数据集合,基于TensorFlow实现y=3.1234*x+2.98线性回归 通过上传附件方式提交 notebook文件(.ipynb) 评分标准: 1、生成 x_data,值为 [0, 100]之间500个等差数列数据集合作为样本特征 根据目标线性方程 y=3.1234*x+2.98,生成相应的标签集合 y_data,1分; 2、画出随机生成数据的散点图和想要通过学习得到的目标线性函数 y=3.1234*x+2.98,1分; 3、构建回归模型,3分; 4、训练模型,10轮,每训练20个样本显示损失值,2分; 5、通过训练出的模型预测 x=5.79 时 y 的值,并显示根据目标方程显示的 y 值,1分; 6、 通过Tensorboard显示构建的计算图。 上传的源代码中有相应的源代码 结果计算图截图可以嵌入上交的notebook文件(.ipynb) 嵌入图片的方法为markdown cell中代码,2分。 备注:如果不是上传notebook文件(.ipynb),可以用以下方案替代: 1、源代码 .py 文件 2、写一个说明文档,贴上散点图和计算图的图形,格式可以是word或者pdf 3、以上两个文件通过压缩文件打包为一个zip或者rar文件 强烈建议提交 notebook文件(.ipynb)(打包为压缩文件后上传)
为了保护您的账号安全,请在“简答题”公众号进行验证,点击“官网服务”-“账号验证”后输入验证码“”完成验证,验证成功后方可继续查看答案!