YJango的TensorFlow整體把握

目前主流的TensorFlow，用tensorflow這樣工具的原因是：它允許我們用計算圖（Computational Graphs）的方式建立網路。同時又可以非常方便的對網路進行操作。

下面就是對計算圖的直觀講解。

比喻說明：

• 結構：計算圖所建立的只是一個網路框架。在編程時，並不會有任何實際值出現在框架中。所有權重和偏移都是框架中的一部分，初始時至少給定初始值才能形成框架。因此需要initialization初始化。
• 比喻：計算圖就是一個管道。編寫網路就是搭建一個管道結構。在投入實際使用前，不會有任何液體進入管道。而神經網路中的權重和偏移就是管道中的閥門，可以控制液體的流動強弱和方向。在神經網路的訓練中，閥門會根據數據進行自我調節、更新。但是使用之前至少要給所有閥門一個初始的狀態才能形成結構。用計算圖的好處是它允許我們可以從任意一個節點處取出液體。

用法說明：

請類比管道構建來理解計算圖的用法

構造階段（construction phase）：組裝計算圖（管道）

• 計算圖（graph）：要組裝的結構。由許多操作組成。
• 操作（ops）：接受（流入）零個或多個輸入（液體），返回（流出）零個或多個輸出。
• 數據類型：主要分為張量（tensor）、變數（variable）和常量（constant）
• 張量：多維array或list（管道中的液體）
• 創建語句：

tensor_name=tf.placeholder(type, shape, name)n

• 變數：在同一時刻對圖中所有其他操作都保持靜態的數據（管道中的閥門）
• 創建語句：

name_variable = tf.Variable(value, name)n

• 初始化語句：

#個別變數ninit_op=variable.initializer()n#所有變數ninit_op=tf.initialize_all_variables()n#注意：init_op的類型是操作（ops），載入之前並不執行n

• 更新語句：

update_op=tf.assign(variable to be updated, new_value)n

• 常量：無需初始化的變數
• 創建語句：

name_constant=tf.constant(value)n

執行階段（execution phase）：使用計算圖（獲取液體）

• 會話：執行（launch）構建的計算圖。可選擇執行設備：單個電腦的CPU、GPU，或電腦分散式甚至手機。
• 創建語句：

#常規nsess = tf.Session()n#交互nsess = tf.InteractiveSession()n#交互方式可用tensor.eval()獲取值，ops.run()執行操作n#關閉nsess.close()n

• 執行操作：使用創建的會話執行操作
• 執行語句：

sess.run(op)n

• 送值（feed）：輸入操作的輸入值（輸入液體）
• 語句：

sess.run([output], feed_dict={input1:value1, input2:value1})n

• 取值（fetch）：獲取操作的輸出值（得到液體）
• 語句：

#單值獲取 nsess.run(one op)n#多值獲取nsess.run([a list of ops])n

更多內容參考官網文檔

推薦閱讀：