【TensorFlow】TensorFlow第一课：安装与基本概念

一，安装

    Google官方在11月29号的开发者博客中宣布新的版本（0.12）将 增加对Windows的支持，所以对于windows的用户来说，安装TensorFlow将会轻松很多，安装过程非常简单，不过也有一些需要手动调整。

    TensorFlow 有两个版本：CPU 版本和 GPU 版本。GPU 版本需要 CUDA 和 cuDNN 的支持，CPU 版本不需要。如果你要安装 GPU 版本，请先在这里 确认你的显卡支持 CUDA。

     CPU的版本安装很简单，我是在Anaconda下采样pip的方式安装的：

     在Anaconda Prompt模式下，使用命令：

pip install  tensorflow

     可以使用如下代码来测试，安装情况：

>>>import tensorflow as tf  >>>sess = tf.Session()  >>>a = tf.constant(10)  >>>b = tf.constant(22)  >>>print(sess.run(a + b))  32  

    

二，基本概念

    1,选择TensorFlow的原因：

    a，Google 很强大；         b，Python接口；           c，高移植性；     d，可视化强；     e，社区强大

    2,TensorFlow的核心概念：Graph和Session

    TensorFlow：张量在图中流动。

    类似于spark的惰性计算，TensorFlow是先定义图，然后再计算的。这种计算的定义和执行被分割开来的操作，有利于做分布式处理。

    Tensor+Flow：张量在图中通过运算（op）进行传递和变换。Tensor可以被理解成n维矩阵。

    模型跑起来， 你需要2步：一，描绘整幅图(定义计算)；二，  在session当中执行图中的运算 

    1，Session与Graph

    import tensorflow as tf    a = tf.add(3,5)    sess = tf.Session()    print sess.run(a)    sess.close()

    Session会在计算图里找到a的依赖， 把依赖的节点都进行计算 
    为了便捷建议写法如下：

   import tensorflow as tf   a = tf.add(3,5)   with tf.Session() as sess:       print sess.run(a)

     使用with语句，程序最后会自动关闭Session。

    假如要计算的表达式是：（x*y）的（x+y次幂）。

    图构建如下：

    代码如下：

    x= 2    y= 3    op1=tf.add(x, y)    op2=tf.mul(x, y)    op3=tf.pow(op2,op1)    with tf.Session() as sess:        op3= sess.run(op3)

    如果需要可以同时运行几个运算节点：

    with tf.Session() as sess:        z, not_useless= sess.run([pow_op, useless])

三，了解tesnorboard 

        tesnorboard 是TensorFlow可视化的利器，其原理就是TF在运行的过程中不断的将session写入到日志文件中，然    后tesnorboard 从日志文件中读取数据，最后做可视化。如下代码所示：

  import tensorflow as tfa = tf.constant(2)b = tf.constant(3)x = tf.add(a, b)with tf.Session() as sess:    #写到日志文件里    writer = tf.summary.FileWriter('./graphs, sess.graph)   print sess.run(x) writer.close() # 关闭writer    显示时在命令行端运行如下代码:$ python [yourprogram].py$ tensorboard --logdir="./graphs" --port 7001

    打开google浏览器访问: http://localhost:7001/     就能看到下图：

四，TensorFlow的常量、变量和操作

     TensorFlow和numpy其实很像。

1，常量

    常量的定义：

  常量的定义：tf.constant(value,dtype=None, shape=None,name='Const', verify_shape=False)

  代码如下所示：

a = tf.constant([2, 2], name="a")b = tf.constant([[0, 1], [2, 3]], name="b")x = tf.add(a, b, name="add")y = tf.mul(a, b, name="mul")with tf.Session() as sess:x, y = sess.run([x, y])print x, y# >> [5 8] [6 12]

2，变量

tf.constant是op， 而tf.Variable是一个类， 初始化的对象有多个op

#createvariable a withscalar valuea=tf.Variable(2, name="scalar")#createvariable b as a vector值为2,3的向量b = tf.Variable([2, 3], name="vector")#createvariable c as a2x2 matrix 值为0,1,2,3的矩阵c = tf.Variable([[0, 1], [2, 3]], name="matrix")# create variable W as 784 x 10tensor,filledwith zerosW = tf.Variable(tf.zeros([784,10]))

变量的创建只是创建，在使用变量之前，一定要初始化！！

初始化的方法有三种：

a,最简单的初始化全部变量方法：

  

init= tf.global_variables_initializer()withtf.Session()as sess:sess.run(init)

b,初始化一个变量子集

init_ab=tf.variables_initializer([a,b], name="init_ab")withtf.Session()as sess:sess.run(init_ab)

c,初始化单个变量

W= tf.Variable(tf.zeros([784,10]))withtf.Session()as sess:sess.run(W.initializer)

输出变量内容： Eval()函数

3，操作

在tensor上可以进行各种运算/变换

常用的操作

a=tf.constant([3, 6])b=tf.constant([2, 2])tf.add(a,b)#>>[5 8]tf.add_n([a,b,b])#>>[710]tf.mul(a,b)#>>[612]tf.matmul(a,b)#>> ValueErrortf.matmul(tf.reshape(a,[1,2]),tf.reshape(b,[2,1]))#>> [[18]]tf.div(a,b)#>>[1 3]tf.mod(a,b)#>>[1 0]

4，placeholder

通过placeholder可以存放用于训练的数据 ：tf.placeholder(dtype, shape=None, name=None)

#createaplaceholderoftypefloat32-bit,shapeisavectorof3 elementsa=tf.placeholder(tf.float32, shape=[3])#createaconstantoftypefloat32-bit,shapeisavectorof3 elementsb=tf.constant([5,5,5], tf.float32)#usetheplaceholderasyouwouldaconstantora variablec=a + b #Shortfortf.add(a, b)withtf.Session()as sess:#feed[1,2,3]toplaceholderaviathedict{a:[1,2, 3]}printsess.run(c,{a:[1,2,3]})#thetensoraisthekey,notthestring ‘a’#>>[6,7, 8]

#createoperations,tensors,etc(usingthedefault graph)a=tf.add(2, 5)b=tf.mul(a, 3)withtf.Session()as sess:#defineadictionarythatsaystoreplacethevalueof'a'with 15replace_dict={a: 15}#Runthesession,passingin'replace_dict'asthevalueto 'feed_dict'sess.run(b,feed_dict=replace_dict)#returns 45

TEST