tensorflow的構(gòu)建流程

tf.Graph（） 表示實(shí)例化了一個(gè)類(lèi)，一個(gè)用于 tensorflow 計(jì)算和表示用的數(shù)據(jù)流圖，通俗來(lái)講就是：在代碼中添加的操作（畫(huà)中的結(jié)點(diǎn)）和數(shù)據(jù)（畫(huà)中的線(xiàn)條）都是畫(huà)在紙上的“畫(huà)”，而圖就是呈現(xiàn)這些畫(huà)的紙，你可以利用很多線(xiàn)程生成很多張圖，但是默認(rèn)圖就只有一張。

例如有如下代碼：

import tensorflow as tf

g = tf.Graph（）

## add nodes to the graph

with g.as_default（）：

a = tf.constant（1， name=‘a(chǎn)’）

b = tf.constant（2， name=‘b’）

c = tf.constant（3， name=‘c’）

z = 2 * （a - b） + c

## launch the graph

with tf.Session（graph=g） as sess：

writer = tf.summary.FileWriter（“E://PycharmProjects//Graph”， g）

print（‘2*（a-b）+c =》 ’， sess.run（z））

打開(kāi)cmd命令行，輸入tensorboard --logdir=E：\PycharmProjects\Graph

回車(chē)后，打開(kāi)google瀏覽器，輸入得的的網(wǎng)址即可看到 我們生成的流程圖了：

TensorFlow執(zhí)行流程

TensorFlow的基礎(chǔ)運(yùn)算

在搞神經(jīng)網(wǎng)絡(luò)之前，先讓我們把TensorFlow的基本運(yùn)算，也就是加減乘除搞清楚。

首先，TensorFlow有幾個(gè)概念需要進(jìn)行明確：

1 圖（Graph）：用來(lái)表示計(jì)算任務(wù)，也就我們要做的一些操作。

2 會(huì)話(huà)（Session）：建立會(huì)話(huà)，此時(shí)會(huì)生成一張空?qǐng)D；在會(huì)話(huà)中添加節(jié)點(diǎn)和邊，形成一張圖，一個(gè)會(huì)話(huà)可以有多個(gè)圖，通過(guò)執(zhí)行這些圖得到結(jié)果。如果把每個(gè)圖看做一個(gè)車(chē)床，那會(huì)話(huà)就是一個(gè)車(chē)間，里面有若干個(gè)車(chē)床，用來(lái)把數(shù)據(jù)生產(chǎn)成結(jié)果。

3 Tensor：用來(lái)表示數(shù)據(jù)，是我們的原料。

4 變量（Variable）：用來(lái)記錄一些數(shù)據(jù)和狀態(tài)，是我們的容器。

5 feed和fetch：可以為任意的操作（arbitrary operation） 賦值或者從其中獲取數(shù)據(jù)。相當(dāng)于一些鏟子，可以操作數(shù)據(jù)。

形象的比喻是：把會(huì)話(huà)看做車(chē)間，圖看做車(chē)床，里面用Tensor做原料，變量做容器，feed和fetch做鏟子，把數(shù)據(jù)加工成我們的結(jié)果。

2.1 創(chuàng)建圖和運(yùn)行圖：

下面我們創(chuàng)建一個(gè)圖，并在Session中執(zhí)行它，不用擔(dān)心看不懂，每句代碼都會(huì)注釋?zhuān)挥杏?a href="http://m.xsypw.cn/v/tag/1315/" target="_blank">編程基礎(chǔ)，都能OK：

上面就是用TensorFlow進(jìn)行了一個(gè)最簡(jiǎn)單的矩陣乘法。

2.2 創(chuàng)建一個(gè)變量，并用for循環(huán)對(duì)變量進(jìn)行賦值操作

可以看到，除了變量創(chuàng)建稍微麻煩一些和必須建立session來(lái)運(yùn)行，其他的操作基本和普通Python一樣。

2.3 通過(guò)feed設(shè)置placeholder的值

有的時(shí)候，我們會(huì)在聲明變量的時(shí)候不賦值，計(jì)算的時(shí)候才進(jìn)行賦值，這個(gè)時(shí)候feed就派上用場(chǎng)了。

責(zé)任編輯：YYX