tensorflow 基础常识

tensorflow 常识

环境： python3.5 tensorflow1.9 Mac OS 1.15

神秘仪式 Hello Word

import tensorflow as tf

# 定义常量 constant
hello = tf.constant("hello word")
# 创建一个会话
sess = tf.Session()
# 执行常量操作 hello 并打印到标准输出
print(sess.run(hello))

安装

docker

安装

docker pull tensorflow/tensorflow:nightly-jupyter

启动

端口映射到8888， 并且-挂载目录， -it 交互式

docker run -it --rm -p 8888:8888 -v $PWD:/tf/notebooks tensorflow/tensorflow:nightly-jupyter

conda 安装

先自行下载 ananconda

• conda info --envs 查看所有conda环境
• conda list -n 查看已经安装的包
• source activate 进入环境
• export PATH=/Users/zok/anaconda3/bin:$PATH 写入环境变量
• conda create -n 环境名 python=3.5 创建 conda 环境，指定3.5版本
• conda install tensorflow=1.9 下载 tf 1.9 版本
• conda install ipykernel 如果要用 jupyter 就需要安装 kernel
• conda install -n 当前环境名 ipykernel 安装 ipykernel
• jupyter notebook

张量(Tensor)

广义上表示任意形式的“数据”，可以理解为0阶标量、1阶向量和2阶矩阵在高纬度空间上的推广，张量就是表示数据的最大维度

TensorFlow 中的张量

• 用来表示多维数据（1维、2维…）
• 执行操作时的输入或者输出数据
• 用户通过执行操作来创建或者计算张量
• 形状不一定在编译时确定，可以在运行时通过形状推断计算得出

操作

• tf.constant // 常量、不可变
• tf.placeholder // 占位符、是一个壳
• tf.Variable // 变量、一直存入在内存中

演示

0 阶张量

1 阶张量

2 阶张量

4 阶张量
通过 zeros 方法预创建一个 指定阶的张量

变量(Variable)

简单的说 变量就是有状态的张量

tf.Variable 方法是操作， 返回值是变量（特殊张量）

通过 tf.Variable 方法创建的变量，与张量一样，可以作为操作的输入和输出。不同之处：

• 张量的生命周期通常随依赖的就算完成而结束，内存也随之释放。
• 变量常驻内存，在每一步训练时不断的更新其值，以实现模型参数的更新。

变量使用流程