致远行的人，自编TensorFlow教程（2）

在上一篇文章中，我们介绍了使用TensorFlow框架有两部分组成：构建计算图，用会话启动计算图。今天我们来介绍 tf.placeholder，feed_dict，实现一个 Wx+b 的函数。本文章仍然保持不够专业的传统，只求达到效果，可以实现一些东西；或者说“路子比较野”。同时确实不一定保证章节与章节之间条理清晰。

首先还是上一段可执行的代码。

import tensorflow as tf

# 开始构建计算图

W = tf.constant(
    [[1.0, 2.0, 3.0],
     [4.0, 5.0, 6.0]]
)

# 注意 x 和 b 是列向量
x = tf.placeholder(tf.float32, shape=[3, 1])

b = tf.constant([[1.0], [2.0]])

result1 = tf.matmul(W, x) + b

result2 = result1 + b

# 结束构建计算图

init = tf.global_variables_initializer()

with tf.Session() as sess:
    # get_result1 = sess.run(result1, feed_dict={x: [[3.0], [4.0], [5.0]]})
    get_result1, get_result2 = sess.run([result1, result2], feed_dict={x: [[3.0], [4.0], [5.0]]})
    print(get_result1)
    print(get_result2)

这段代码中构建计算图的部分比较长，我仍然会细致地讲解。

首先是W矩阵，我把它设为 2 × 3 的矩阵。根据上一节的讲解，它是一个常量。在TensorFlow里，需要特别注意矩阵和向量的shape，即线性代数里学的，2 × 3 的矩阵只能和 3 × n 的矩阵相乘，如果在报错信息里面看到“shape”的字样，十有八九是矩阵的大小搞错了。

讲真，我真的很佩服那些学数学的，是如何记住那些矩阵的shape，保证写出来是对的，当然我确实也记不住大写的是矩阵，小写的是向量这样的规则（Is it right?）。我看公式时总是会想着shape是多少，这样代码跑出来是怎样的效果。

x = tf.placeholder(tf.float32, shape=[3, 1])
b = tf.constant([[1.0], [2.0]])

声明 x 是一个placeholder，就是说假设这里有一个矩阵，矩阵的大小是shape决定的。在运行计算图的时候， x 会被填入相应的数据，这个在稍后会说明。总之它是一个 3 × 1 的列向量。同样 b 也是一个 2 × 1 的列向量。

如果你需要 b 是行向量呢？如下所示，自行注意其中的差别。记不住的话，写代码的时候多试几次，调试到正确为止。

b = tf.constant([1.0, 2.0])

然后关于我们希望获得的结果：

result1 = tf.matmul(W, x) + b
result2 = result1 + b

其实写result1这一行就可以了，result2只是为了说明一个技巧。tf.matmul是TensorFlow中的矩阵乘法运算。为什么不直接用“*”呢？我也是写到这边的时候刚刚想到的，然后测试了一下，“*”好像是向量乘法（就是，[1, 2, 3] * [4, 5, 6] = [4, 10, 18]），没有严格测试，欢迎指正。

总之result1就是Wx+b在计算图中的结果。注意计算图中的变量类型都是tensor，必须依靠会话启动计算图才能得到结果。（不信可以试试直接print，啥也看不到）

get_result1, get_result2 = sess.run([result1, result2], feed_dict={x: [[3.0], [4.0], [5.0]]})

我们刚刚说了，构建计算图时假设 x 是一个矩阵，因为我们也没告诉它实际的数值。在这行代码中，我们使用feed_dict这个参数，给 x 传入一个列向量。这样可以一次性得到result1和result2的结果。可以使用构建一个带tensor的list在一行代码中获取所有的tensor在计算后对应的值。这里还有个细节，result2是以来result1的。在获取result2的时候，我觉得，只是个人觉得，计算图只会被计算一次。就是说，获取result2的时候，计算图不会从头计算。（我们能想到的这么简单的优化，TensorFlow团队应该也想得到，除非不可为）只计算一次的好处就是，如果你的计算图流程特别长，那么只计算一次的话可以大大提高计算速度，节约计算资源。虽然只是个人猜测，有机会可以测试一下，但直接写在一行代码里会合适一些。

今天就讲到这儿吧，建议把代码手敲一遍，然后尝试各种改动，调戏一下代码，下一节我们将讲变量和优化器。