TensorFlow 基本概念和用法

转载于：https://zhuanlan.zhihu.com/p/23932714

比喻说明：

• 结构：而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。用计算图又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])