文档章节

Tesorflow学习笔记(一)

clgo
 clgo
发布于 2017/07/22 18:26
字数 1079
阅读 315
收藏 0

Tenosrflow是非常强大的开源深度学习库。它的基本思想非常简单:用户通过Python定义计算图,Tensorflow把用户定义的计算图转化为尽可能高效率的的C++代码。最重要的一点是,Tensorflow支持把计算图分割为小的子集计算图并行的运行在不同的CPU和GPU上.,Tensorflow支持分布式计算,使得用户可以通过分布式服务训练非常大的神经网络。Tensorfolw的优点是:灵活,可扩展,可用于生产环境。

安装:

建议在虚拟环境中进行安装。

pip3 install --upgrade tensorflow           #安装cpu版本
pip3 install --upgrade tensorflow-gpu       #安装gpu版本

测试是否安装成功:

python3 -c 'import tensorflow; print(tensorflow.__version__)'

创建第一张计算图并在会话中运行:

import tensorflow  as tf

x = tf.Variable(3, name='x')
y = tf.Variable(4, name='y')
f = x*x*y + y +2

上面的代码看起来像是计算了一个数学式子并把结果存在了f中,其实不然,上面的式子仅仅生成了一个计算图,x,y并没有初始化,f也没有被赋值。

想要执行计算图,我们需要打开一个会话(session),在会话中初始化变量并计算f,会话会使用设备上的CPU和GPU执行计算,session本身会保存所有变量的值(在分布式Tensoflow中,servers会代替session保存变量)。

#打开一个会话(session),在会话中初始化变量并计算f,在最后要关闭会话
sess = tf.Session()
sess.run(x.initializer)
sess.run(y.initializer)
result = sess.run(f)
print(result)
sess.close()      

重复的使用sees.run()进行初始化和计算是非常麻烦的,Tensorflow提供了一种更友好的类似Python 进行IO读取操作的方法:

#下面代码和上面段代码作用一样
with tf.Session() as sess:
    x.initializer.run()
    y.initializer.run()
    result = f.eval()
    print(result)

f.eval() 等价于tf.get_default_session().sun(f) with的使用将sess设置为块内的默认会话,所以变量和计算不需要声明是在那个会话中进行初始化和计算的。而且使用with会自动在代码块结束时关闭会话。

当变量数目过多时,一个个初始化变量仍旧是非常麻烦的,我们可以使用tf.global_variables_initializer()函数初始化所有变量。要注意的是tf.global_variables_initializer()函数并没有立即初始化所有变量,而是生成了一个节点,当run()这个节点是,所有变量初始化。

#使用tf.global_variables_initializer()函数初始化所有变量
init = tf.global_variables_initializer()

with tf.Session() as sess:
    init.run()
    result = f.eval()
    print(result)

通过上面我们可以知道设置默认session可以节省每次声明session的麻烦,所有我们可以使用tf.InteractiveSession()声明默认会话。

#使用tf.InteractiveSession()声明默认会话
sess =tf.InteractiveSession()
init.run()
results = f.eval()
print(results)

一个Tensorflow工程通常可以分为两部分,建立计算图和运行计算图。通过建立计算图实现机器学习模型,通过执行计算图一遍遍的优化参数,改善模型表现。

管理计算图:

我们创建的节点会自动添加到默认计算图中:

x1 = tf.Variable(1)
x1.graph is tf.get_default_graph()
True

当我们想要创建多个计算图时,我们可以创建一个新的计算图并使用with命令切换默认计算图

graph = tf.Graph()
with graph.as_default():   #切换默认计算图
    x2 = tf.Variable(2)

x2.graph is graph
True
x2.graph is tf.get_default_graph
False

当我们的计算图中有许多相同的节点时,我们可以运行tf.reset_default_graph()来解决问题。

计算节点值的生命周期:

当开始一个计算时,Tensorflw会自动计算这个节点所依赖的节点:

w = tf.constant(3)
x = w + 2
y = x + 5
z = x *3

with tf.Session() as sess:
    print(y.eval())
    print(z.eval())

当执行y.eval()和z.eval()时,tensorflow会自动先计算y需要的w,x和z需要的w,x。再计算y,z本身。注意:此时y,z对w,x的计算是分开的,各自计算一遍,所有变量值的生命期是从初始化到会话关闭,所有计算节点都是从run()运行开始生成的。

如果想要避免重复计算w,x值,可以把y,z计算防灾同一个run中:

with tf.Session() as sess:
    y_val, z_val = sess.run([y,z])
    print(y_val)
    print(z_val)

© 著作权归作者所有

共有 人打赏支持
clgo
粉丝 3
博文 99
码字总数 37086
作品 0
郑州
私信 提问
[TensorFlow案例教程 #20180101] 非线性曲线拟合

使用TensorFlow拟合非线性曲线 SourceFile on GitHub: NonLinearCurve_Fitting.py 注意: 运行在Python3下,直接运行即可观看运行效果 提前安装好matplotlib 线上效果图 TesorFlow_拟合过程...

Jaylon_Wang
2018/01/01
0
0
Tensorflow、Pytorch、Keras的多GPU使用方法

方法一 :使用深度学习工具提供的 API指定 1.1 Tesorflow with tf.device("/gpu:%d"%i): with tf.device("cpu:0") 还可以设置GPU的使用率: ConfigProto()类提供有对GPU使用率的函数方法: ......

修雨轩陈
2018/07/27
0
0
MyBatis学习笔记系列教程

【MyBatis学习笔记】系列之预备篇一:ant的下载与安装 【MyBatis学习笔记】系列之预备篇二:ant入门示例 【MyBatis学习笔记】系列之一:MyBatis入门示例 【MyBatis学习笔记】系列之二:MyBat...

HenrySun
2016/10/15
19
0
MyBatis多对多保存示例——MyBatis学习笔记之十七

前几天有网友问到MyBatis多对多的问题,不过愧对网友厚爱的是,最近一直忙,直到现在才有时间处理此事。今天就先写一个多对多保存的示例,算是对这位网友的初步回应,以后会有更多相关的博文...

NashMaster2011
2013/08/11
0
0
Posix多线程编程学习笔记

Posix多线程编程学习笔记(一)—线程基础(1) http://blog.chinaunix.net/u/22935/showart_310711.html Posix多线程编程学习笔记(一)—线程基础(2) http://blog.chinaunix.net/u/2293...

晨曦之光
2012/04/13
225
0

没有更多内容

加载失败,请刷新页面

加载更多

对Docker了解多少?10分钟带你从入门操作到实战上手

Docker简述 Docker是一种OS虚拟化技术,是一个开源的应用容器引擎。它可以让开发者将应用打包到一个可移植的容器中,并且该容器可以运行在几乎所有linux系统中(Windows10目前也原生支持,W...

别打我会飞
34分钟前
1
0
Java自定义注解及应用

前沿 java目前只内置了三种标准注解 注解 解释 @Override 表示当前的方法定义将覆盖超类中的方法。如果你不小心拼写错误,或者方法签名对不上被覆盖的方法,编译器就会发出错误提示 @Depreca...

细节探索者
38分钟前
1
0
Java实现视频网站的视频上传、视频转码、视频关键帧抽图, 及视频播放功能

视频网站中提供的在线视频播放功能,播放的都是FLV格式的文件,它是Flash动画文件,可通过Flash制作的播放器来播放该文件.项目中用制作的player.swf播放器. 多媒体视频处理工具FFmpeg有非常强大...

红土豆
41分钟前
1
0
谈谈lucene的DocValues特性之SortedDocValuesField

lucene的DocValues不同于document文档级别的存储,它是一个面向列的存储结构,提供从文档编号到值的映射功能。根据不同的数据类型和应用场景支持多个DocValuesField类型,SortedDocValuesFi...

FAT_mt
55分钟前
3
0
漏洞防御与修复工作

导读 漏洞管理工作是企业安全建设必不可少的一环,在风险管理工作中,漏洞管理能够防患于未然,企业对漏洞管理有着广泛的基础建设和实践经验。但随着攻防技术的发展,传统漏洞管理的安全技术...

问题终结者
58分钟前
1
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部