YJango的TensorFlow整体把握

目前主流的TensorFlow，用tensorflow这样工具的原因是：它允许我们用计算图（Computational Graphs）的方式建立网络。同时又可以非常方便的对网络进行操作。 下面就是对计算图的直观讲解。 比喻说明： 结构：计算图所建立的只是一个网络框架。在编程时，并不会有任何实际值出现在框架中。所有权重和偏移都是框架中的一部分，初始时至少给定初始值才能形成框架。因此需要initialization初始化。 比喻：计算图就是一个管道。编写网络就是搭建一个管道结构。在投入实际使用前，不会有任何液体进入管道。而神经网络中的权重和偏移就是管道中的阀门，可以控制液体的流动强弱和方向。在神经网络的训练中，阀门会根据数据进行自我调节、更新。但是使用之前至少要给所有阀门一个初始的状态才能形成结构。用计算图的好处是它允许我们可以从任意一个节点处取出液体。 用法说明： 请类比管道构建来理解计算图的用法 构造阶段（construction phase）：组装计算图（管道） 计算图（graph）：要组装的结构。由许多操作组成。 操作（ops）：接受（流入）零个或多个输入（液体），返回（流出）零个或多个输出。 数据类型：主要分为张量（tensor）、变量（variable）和常量（constant） 张量：多维array或list（管道中的液体） 创建语句： tensor_name=tf.placeholder(type, shape, name) 变量：在同一时刻对图中所有其他操作都保持静态的数据（管道中的阀门） 创建语句： name_variable = tf.Variable(value, name) 初始化语句： #个别变量 init_op=variable.initializer()  #所有变量 init_op=tf.initialize_all_variables()  #注意： init_op的类型是操作（ops），加载之前并不执行 更新语句： update_op=tf.assign(variable to be updated, new_value) 常量：无需初始化的变量 创建语句： name_constant=tf.constant(value) 执行阶段（execution phase）：使用计算图（获取液体） 会话：执行（launch）构建的计算图。可选择执行设备：单个电脑的CPU、GPU，或电脑分布式甚至手机。 创建语句： #常规 sess = tf.Session()  #交互 sess = tf.InteractiveSession()  #交互方式可用tensor.eval()获取值，ops.run()执行操作 #关闭 sess.close() 执行操作：使用创建的会话执行操作 执行语句： sess.run(op) 送值（feed）：输入操作的输入值（输入液体） 语句： sess.run([output], feed_dict={input1:value1, input2:value1}) 取值（fetch）：获取操作的输出值（得到液体） 语句： #单值获取 sess.run(one op)  #多值获取 sess.run([a list of ops]) ]]> 原文： https://ift.tt/2Mi08w1 机器知心