TensorFlow基礎知識彙總

一、 constant（常量）

constant是tensorflow的常量節點，通過constant方法建立，其是計算圖（computational graph）中的起始節點，是傳入資料。

建立方式

cons = tf.constant(value=[1,2],dtype=tf.float32,shape=(1,2),name='testconst', verify_shape=false)

引數說明

value：初始值，必填，必須是乙個張量（1或[1,2,3]或[[1,2,3],[2,2,3]]或......）

dtype：資料型別，選填，預設為value的資料型別，傳入引數為tensorflow下的列舉值（float32，float64.......）

shape：資料形狀，選填，預設為value的shape，設定時不得比value小，可以比value階數、維度更高，超過部分按value提供最後乙個數字填充，示例**如下

import tensorflow as tf
sess = tf.interactivesession()
cons1 = tf.constant([1, 2, 3], shape=[2, 3])
print(sess.run(cons1))
# [[1 2 3]
# [3 3 3]]

name：常量名，選填，預設值不重複，根據建立順序為（const，const_1，const_2.......）

verify_shape:是否驗證value的shape和指定shape相符，若設為true則進行驗證，不相符時會丟擲異常

二、placeholder（佔位符）

placeholder是tensorflow的佔位符節點，由placeholder方法建立，其也是一種常量，但是由使用者在呼叫run方法是傳遞的，也可以將placeholder理解為一種形參。即其不像constant那樣直接可以使用，需要使用者傳遞常數值。

建立方式

x = tf.placeholder(dtype=tf.float32, shape=[144, 10], name='x')

引數說明

dtype：資料型別，必填，預設為value的資料型別，傳入引數為tensorflow下的列舉值（float32，float64.......）

shape：資料形狀，選填，不填則隨傳入資料的形狀自行變動，可以在多次呼叫中傳入不同形狀的資料

name：常量名，選填，預設值不重複，根據建立順序為（placeholder，placeholder_1，placeholder_2.......）

示例**

import tensorflow as tf
import numpy.random as random
#佔位符shape不設時會按傳入引數自行匹配
node1 = tf.placeholder(tf.float32) # , shape=[4, 5])
node2 = tf.placeholder(tf.float32) # , shape=[4, 5])
op = tf.multiply(node1, node2)
session = tf.session()
const1 = tf.constant(random.rand(4, 5))
const2 = tf.constant(random.rand(4, 5))
#可以傳入初始化後的常量
print(session.run(op, ))
#也可以直接傳入張量，其實同初始化後的常量一致
print(session.run(op, ))

三、variable（變數）

vatiable是tensorflow的變數節點，通過variable（注：v大寫）方法建立，並且需要傳遞初始值。在使用前需要通過tensorflow的初始化方法進行初始化。通過變數 (variable) 維護狀態。

建立方式

w = tf.variable(initial_value=tf.zeros([9, 5]), # 初始值，必填，張量或可以轉換為張量的python物件。初始值必須有指定乙個形狀，除非`validate_shape`設定為false。 trainable=true, # 如果`true`，則預設值也將變數新增到圖形中集合`graphkeys.trainable_variables`。這個集合用作「optimizer」類使用的預設變數列表 collections=none, # 圖表集合鍵的列表。新的變數被新增到這些集合。預設為`[graphkeys.global_variables]`。 validate_shape=true, # 如果`false`，允許變數用初始化未知形狀的值。如果「true」，預設的形狀`initial_value`必須是已知的。 caching_device=none, # 可選裝置字串，描述變數的位置應該被快取以供閱讀。預設為變數的裝置。如果不是「none」，則快取在另乙個裝置上。典型的用途是快取在使用變數的ops所在的裝置上進行重複資料刪除複製`switch`和其他條件語句。 name='w', # 變數的可選名稱。預設為「variable」並獲取自動去重（variable_1,variable_2....）。 variable_def=none, # `variabledef`協議緩衝區。如果不是「無」，則重新建立變數物件及其內容，引用變數的節點在圖中，必須已經存在。圖形沒有改變。`variable_def`和其他引數是互斥的。 dtype=tf.float32, # 如果設定，initial_value將被轉換為給定的型別。如果`none'，資料型別將被儲存（如果`initial_value`是乙個張量），或者「convert_to_tensor」來決定。 expected_shape=none, # 張量的shape。如果設定，initial_value需要符合這個形狀。

import_scope=none) # 可選的字串。名稱範圍新增到`variable.`僅在從協議緩衝區初始化時使用。

引數說明variable函式的全部引數如上方**展示，不過目前我在學習中遇到常用的的引數只有如下幾個，其他的引數暫時沒在**中遇到

initial_value，dtype，name，建立**類似下面這樣

w = tf.variable(tf.zeros([3, 10]), dtype=tf.float64, name='w')

四、圖graph

使用圖 (graph) 來表示計算任務。tensorflow中，演算法都會被表示成計算題（computational graphs），也稱資料流圖。可以把計算圖看成一種有向圖，張量就是通過各種操作在有向圖中流動的。

五、會話session

在被稱之為會話 (session) 的上下文 (context) 中執行圖。

六、張量tensor

使用 tensor 表示資料。

七、節點node

節點（node）在圖中表示數學操作。如加減乘除等。

八、常用名詞

scalar 標量

vector 向量

axis 軸，x-axis：x軸，y-axis：y軸

dim(dimension) 維度

TensorFlow基礎知識彙總

tensorflow 基礎知識

TensorFlow基礎知識

TensorFlow基礎知識

相關推薦