學習進度筆記 TensorFlow基本知識總結 1

tensorflow是全面的深度學習框架支援非常全面不是專門為客戶端設計

特點：1、真正的可移植性：引入各種計算裝置的支援包括cpu/gpu/tpu，以及能夠很好地執行在移動端，如安卓裝置、ios、樹莓派等等

2、多語言支援： tensorflow 有乙個合理的c++使用介面，也有乙個易用的python使用介面來構建和執行你的graphs，你可以直接寫python/c++程式。

3、高度的靈活性與效率： tensorflow是乙個採用資料流圖（data flow graphs），用於數值計算的開源軟體庫能夠靈活進行組裝圖，執行圖。隨著開發的進展，tensorflow的效率不算在提高

4、支援：tensorflow 由谷歌提供支援，谷歌投入了大量精力開發 tensorflow，它希望 tensorflow 成為機器學習研究人員和開發人員的通用語言

圖的建立：

tf.graph()

使用新建立的圖

g = tf.graph()

with g.as_default():

a = tf.constant(1.0)

assert c.graph is g

圖預設已經註冊，一組表示 tf.operation計算單位的物件和tf.tensor 表示操作之間流動的資料單元的物件

獲取呼叫： tf.get_default_graph() op、sess或者tensor 的graph屬性

執行tensorflow操作圖的類，使用預設註冊的圖（可以指定執行圖）會話資源會話可能擁有很多資源，

如 tf.variable，tf.queuebase 和tf.readerbase，會話結束後需要進行資源釋放 sess = tf.session() sess.run(...) sess.close()

使用上下文管理器 with tf.session() as sess: sess.run(...) config=tf.configproto(log_device_placement=true)

互動式：tf.interactivesession()

run(fetches, feed_dict=none,graph=none) 執行ops和計算tensor 巢狀列表，元組， namedtuple，dict或ordereddict(過載的運算子也能執行)

feed_dict 允許呼叫者覆蓋圖中指定張量的值,提供給 placeholder使用

返回值異常

runtimeerror：如果它session處於無效狀態（例如已關閉）。

typeerror：如果fetches或feed_dict鍵是不合適的型別。

valueerror：如果fetches或feed_dict鍵無效或引用 tensor不存在。

import
tensorflow as tf
import
osos.environ[
'tf_cpp_min_log_level
']='2'
#建立一張圖包含了一組op和tensor,上下文環境
#op:只要使用tensorflow的api定義的函式都是op
#tensor：就指代的是資料
g =tf.graph()
print
(g)with g.as_default():
c = tf.constant(11.0)
print
(c.graph)
#實現乙個加法運算
a = tf.constant(5.0)
b = tf.constant(6.0)
sum1 =tf.add(a, b)
#預設的這張圖，相當於是給程式分配一段記憶體
graph =tf.get_default_graph()
print
(graph)
#不是op不能執行
var1 = 2.0
#var2 = 3
#sum2 = var1 + var2
#有過載的機制,缺省會給運算子過載成op型別
sum2 = a +var1
print
(sum2)
#s = tf.session()##
s.run()
#s.run()
#s.close()
#只能執行乙個圖， 可以在會話當中指定圖去執行
#只要有會話的上下文環境，就可以使用方便eval()
#訓練模型
#實時的提供資料去進行訓練
#placeholder是乙個佔位符,feed_dict乙個字典
plt = tf.placeholder(tf.float32, [2, 3, 4])
print
(plt)
with tf.session(config=tf.configproto(log_device_placement=true)) as sess:
#print(sess.run(plt, feed_dict=))
#print(sum1.eval())
print
(a.graph)
print("
---------")
print
(a.shape)
print
(plt.shape)
print("
-------")
print
(a.name)
print("
-------")
print(a.op)

view code

學習進度筆記 TensorFlow基本知識總結 1

學習進度筆記

學習進度筆記

學習進度筆記

相關推薦