第五步 tensorflow模型的運行機制

來自專欄 深度學習tensorflow實踐

這裡不介紹深度學習的原理，大家請自行觀看吳恩達老師的deeplearning.ai，或斯坦福的CS231。

如果大家想學習Linux系統和python的基礎，推薦莫煩python。想學習數據結構基礎，推薦黑馬人工智慧。

在上一章中，我們簡單介紹了計算圖原理。

這一章，我會主要介紹tensorflow的計算圖的運行機制。

在建立好計算圖模型後，整個模型會保存在內存中。tensorflow中計算圖模型和輸入、輸出數據都是分離的，這有利於單獨保存和優化模型。具體的工作運行機制如下圖所示。圖片來源於李金洪的《深度學習之TensorFlow》。

（1）輸入：tensorflow中，運行（session）與計算圖的交互是使用注入機制（feed）。先在計算圖的構建中使用佔位符函數，即先定義數據的類型，但不把數據輸入計算圖中。然後在構建完整個計算圖後，運行（session）整個模型時才把數據注入（feed）入計算圖。佔位符函數如下所示：

tf.placeholder(數據類型)

（2）調用運算資源：因為CPU是自動調用的，這裡主要說一下GPU的調用。想要調用GPU，需要安裝tensorflow-gpu版本，同時配置好cuda和cuDNN，具體教程請點擊這裡查看。調用函數（GPU名稱為gpu:0）如下所示：

with tf.device(/gpu:0):

根據以上函數，也能調用多塊GPU。

（3）運行（session）函數和輸出：用一個簡單的hello world程序介紹一下session函數

import tensorflow as tfhelloworld = tf.constant(hello world) #定義一個字元串常量sess = tf.Session() #建立一個sessionprint (sess.run(helloworld)) #通過tf.Session中的run函數來運行sess.close() #關閉session

在下一章中，會主要介紹tensorflow在構建計算圖時使用的函數。

推薦閱讀：