TF Boys (TensorFlow Boys ) 養成記（一）：TensorFlow 基本操作

本資料是在Ubuntu14.0.4版本下進行，用來進行圖像處理，所以只介紹關於圖像處理部分的內容，並且默認TensorFlow已經配置好，如果沒有配置好，請參考官方文檔配置安裝，推薦用pip安裝。關於配置TensorFlow，官方已經說得很詳細了，我這裡就不啰嗦了。官方教程看這裡：https://www.tensorflow.org/get_started/os_setup

如果安裝了GPU版本的TensorFlow，還需要配置Cuda，關於Cuda安裝看這裡：https://www.tensorflow.org/get_started/os_setup#optional-install-cuda-gpus-on-linux

我們還需要一個Python編譯器，這裡我們使用Anaconda，Anaconda2對應Python2，Anaconda3對應Python3，我使用Anaconda2。Anaconda自帶了一些常用的Python包，以及一些比較好用的Python編譯器。

配置好TensorFlow以後，打開Anaconda的Spyder，輸入以下代碼檢查TensorFlow是否可用。

import tensorflow as tfnhello = tf.constant(Hello TensorFlow!)nsess = tf.Session()nprint(sess.run(hello))na = tf.constant(10)nb = tf.constant(32)nprint(sess.run(a + b))n

如果遇到任何報錯，請參考：https://www.tensorflow.org/get_started/os_setup#common_problems

使用TensorFlow之前，要了解一下TensorFlow的基本知識：

1. 使用圖(graphs)來表示計算；

2.在會話(Session)中執行圖；

3.使用張量(tensors)來代表數據；

4.通過變數(variables)來維護狀態；

5.使用供給(feeds)和取回(fetches)來傳入或者傳出數據。

關於詳細的基礎使用，請參考：https://www.tensorflow.org/get_started/basic_usage， 太長不看的，至少看下代碼以及代碼的注釋。

了解了這些基本用法以後，活動一下筋骨，來編個小程序測試一下我們學習的結果吧，目標是優化一個一次函數y = wx + b的權值w和偏置b，使得w和b接近給定的表達式y = 0.1*x + b，代碼如下：

import tensorflow as tfnimport numpy as npnimport os nn# 使 Session 會話只使用 0 號 GPU 的 20% 內存nos.environ[CUDA_VISIBLE_DEVICES]=0nconfig = tf.ConfigProto()nconfig.gpu_options.per_process_gpu_memory_fraction=0.2nsess = tf.InteractiveSession(config=config)nnx_data = np.random.rand(100).astype("float32")ny_data = x_data * 0.1 + 0.3nnW = tf.Variable(tf.random_uniform([1],-1.0,1.0))nb = tf.Variable(tf.zeros([1]))ny = W * x_data + bnnloss = tf.reduce_mean(tf.square(y - y_data))nnoptimizer = tf.train.GradientDescentOptimizer(0.5)ntrain = optimizer.minimize(loss)nninit = tf.initialize_all_variables()nsess.run(init)nnfor step in xrange(201):n sess.run(train)n if step % 20 ==0:n print(step, sess.run(W), sess.run(b))n

代碼運行結果如下：

接下來，我們進行下一步的工作，用神經網路來進行MNIST手寫數字的識別，MNIST手寫數字分 training 和 test 兩個大類，training 有6萬張28*28大小的手寫數字，test有1萬張28*28大小的數字，更具體的介紹看這裡：MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burges。

MNIST手寫數字識別在TensorFlow的example中有自帶的代碼來實現，官方文檔也給出了很好的解釋，https://www.tensorflow.org/tutorials/mnist/beginners/和https://www.tensorflow.org/tutorials/mnist/pros/這兩個，建議都看，加強自己對TensorFlow的理解。

至此，TensorFlow已經有了基本的入門知識，然鵝，還是不足以支撐我膨脹的野心，我是要成為加勒比海盜一樣的男人，寫錯了，我是要成為TF Boys一樣的男人（背景聲音：噫~~），這種基本知識怎麼能滿足得了我這麼優秀的頭腦。

接下來，我們來看TensorFlow Mechanics 101，說實話，我也不知道這個名字是什麼意思，反正是個教程，管他呢，先學會再說。這裡面看起來也不難啊，就是介紹了examples/tutorials/mnist/mnist.py 和 examples/tutorials/mnist/fully_connected_feed.py兩個函數，順便說一下，用pip安裝之後的TensorFlow目錄一般在：/usr/local/lib/python2.7/dist-packages/tensorflow/或者是/usr/lib/python2.7/dist-packages/tensorflow/這裡。細看這兩個文件的代碼，不是很難，如果前面的知識認真看了，這個可以直接看代碼而不看官方文檔，實在不明白的地方可以看官方文檔的解釋。

在看代碼的過程中，有不明白的函數，就去Python API這裡找相應的函數來看，https://www.tensorflow.org/api_docs/python/，找不到的話，可以點右上角的搜索來搜索該函數。

先寫到這裡，明天更新TensorFlow的How To。

參考文獻：

1. https://www.tensorflow.org/tutorials/