TensorFlow进阶教程

目标读者：假设读者是已经熟悉python，并且已经看了一些tensorflow示例程序，希望能了解tensorflow的内在编码规则、特点和高效的编码方式。如果是这样，本文会适合你。

本文切入点是介绍tensorflow与python/numpy的不同以及语法习惯/编程思路的转换，然后介绍TF语言的重要特征和推荐的编程习惯及方法；

如果读者还不熟悉numpy或python，请先学习相应教程。如果你还未看过tensorflow代码实例，可先学习tensorflow最新官方教程 https://www.tensorflow.org/tutorials， 或这个历史版本的中文教程：http://www.tensorfly.cn/tfdoc/get_started/introduction.html；看两三个示例，看懂就够了。

本文总结&修改自：https://github.com/vahidk/EffectiveTensorflow，大量素材也来源于此。

喜欢阅读英文资料的同学也可以直接阅读原文，目录相同，但部分实例和讲解角度不同。

============

目录

1. numpy 与 tensorflow的最大不同，符号型语言

2. 区分static shape和dynamic shape

3 variable scope的使用

4 broadcasting的优缺点

5 Tensorflow的数据读入

6 Tensor与Variable的区别

7 逻辑分支与循环

8 多卡并行运算

9 TF Debug

10 数值精度问题

11 几种常用函数的实现示例代码

参考资料：

---

============

1. numpy 与 tensorflow的最大不同，符号型语言

numpy是解释性语言，tensorflow是符号性语言。如果你是从c++（编译性语言） -> java -> python 的路径学习的编程语言，那么应该还没有接触过符号语言。类似的符号语言，还有 Hadoop(Map Reduce），Spark (scala, pyspark)，如果了解它们则可以在学习过程中类比它们与tensorflow的异同。

符号语言（symbolic）最大的特点就是暗含了一个框架规则，不需要把程序的每一步都清清楚楚的写出来，但你也必须按框架要求的接口编程。Tensorflow中只需要把数据流图定义好，然后指定数据，系统执行时会使用大量框架约束好的，自动执行的行为，这部分不需要显示定义。在tensorflow中，和numpy最显著地区别就是你不需要再显示去计算梯度了，只需要调用.minimize()，tensorflow就会自己去算loss所依赖的所有w的梯度，并更新这些w。这会大大减少编程成本，当然同时也会增加学习成本。（类似于Map Reduce，你只需要实现mapper和reducer就好，剩下的就配置超参指定数据源，剩下的系统自己搞定）

因此，同样的操作，可以看看下图numpy和tensor编程时的异同：

•  

通过代码可以看到：

• tensorflow中直接print(z) 会报错，所有的节点在sess.run()中执行前都是虚拟的，不包含值。print时会得到：

• Tensor("MatMul:0", shape=(10, 10), dtype=float32)

• 其原因是tensorflow中，代码分为graph定义 和 session执行两部分，且必须先定义graph再定义session。前者定义数据流图，但不会立刻执行，后者才会触发执行。它还有以下特点：
  • Graph部分代码：是特殊的代码块，一般都是在GPU中并行执行的，这里应该定义且仅定义矩阵计算代码。部分python代码将无法被正常执行（但可能不报错），比如print()；另外一定要杜绝使用for, while 语句，并尽量少使用 if 语句，已提升运行性能。
  • Session部分代码：位于普通python代码函数中，一般都是在CPU中串行执行的，可以认为是普通的python代码。这个函数可以自由调用各种python函数，比如print()，for， np.xxx等。
  • 交互规则：在session执行之前，graph中节点是没有值的。session可以循环执行图中节点，后者除了varaible类型节点不会被重复初始化外，图中的所有节点值均会存储一份实例在内存，并在上次更新结果的基础上继续更新。如果是多GPU并行，它们还会在多卡之间通过参数服务器同步。
  • 归属区分：除了像tf.session()这种流程接口函数，所有你能遇到矩阵计算相关的 tf.xxx  函数（区别于np.xxx函数）都是graph函数，它们都只能在graph定义时出现，并在sess.run()中通过运行图节点被真正执行，不能在普通函数中正常执行（如上面直接print(z)）。
  • 兼容性：Tensorflow支持你把graph和session代码混着写，即你可以把它们写进同一个函数。这方便了我们在交互式环境中调试代码，但不是好的编程习惯。正式代码一定要把graph和session代码分开写。另外在Graph中是可以调用 np.xxx 矩阵计算函数的，np.xxx得到的数据不具备Graph节点的特点，即其值不会被记忆，也不能被自动更新，一般只用于常量的声明，但是并不是好习惯，提倡用tf.xxx创建常量。
• 注意：tf实例代码中，这里是tf.random_norm()生成tensor，所以可以直接执行。
• 如果是tf.get_variable("somename", shape=[10,10]) 生成的是variable，则需要先sess.run(tf.global_vairables_initializer()) 后才能计算后续节点。

2. 区分static shape和dynamic shape

tensorflow的调试过程中经常要打印tensor的shape出来，来确定我们的各项操作正确性（因为一般tensor都太大，你不太可能打印其中的每个元素，会刷屏）。tensorflow中定义了两种shape类型：

• 静态shape: 其类型是 
  • 静态shape 是tensor与session无关的状态：
    • 对于a = tf.placeholder(tf.float32, [None, 2, 3])，它的静态shape就是[None, 2, 3]
    • 对于a = tf.random_norm([128, 2, 3]), 它的静态shape是[128, 2, 3]
• 动态shape: 其类型就是Tensor
  • 动态shape是tensor在session中的状态
    • 对于 a = tf.placeholder(tf.float32, [None, 2, 3])，它的动态shape取决于sess.run()中feed_dict对a赋值的数组大小。如sess.run(xopt, feed_dict={a:np.random_norm([10,2,3])}，则a的动态shape是[10, 2, 3]
    • 对于a = tf.random_norm([128, 2, 3]), 它的动态shape与静态相同，都是[128, 2, 3]

显然：Debug应该优先用静态shape，动态shape只有使用sess.run才可以取到。

• 动态shape值应该用于Graph逻辑中，可以Debug，也可以作为某个函数的算子（如tf.reshape()），它只有在sess.run中才能取到值；
• 静态shape值只应该在Graph外调用，只能用来Debug，它不需要也不能在sess.run()中执行。

具体对应的两种操作方法是有显著区别的：

• a.shape: 这种方法获得的是tensor的静态(static) shape 
  • a是tensor，或placeholder
  • 它支持[None, 32]这种带占位符的表达方式，可以被直接print，也可以.to_list()后转为list供Graph外的操作使用；
  • 它不需要也不能在sess.run()中执行。比如不能执行sess.run(a.shape)
  • 示例代码：
  • 
• tf.shape(a): 这种方法获得的是tensor的动态(dynamic) shape 
  • a是tensor，或placeholder
  • 它不支持[None, 32]这种带占位符的表达方式，必须在feeddict赋值基础上才能返回值；
  • 由于类型是Tensor，如果需要转换为list，需要用 tf.unstack()
  • 它必须在sess.run中使用，或在graph中使用。不可以直接从外部调用。比如不能执行print(tf.shape(a))
  • 实例代码

 

3 variable scope的使用

3.1）变量name: Graph中的所有节点（tensor, place_holder, variable）都有一个名字，类似于C++/Python里的变量。如果你不显式给出的话，系统也会默认命名。变量名是模型存储、加载、迭代运算所必须的，建议显式给出，这样对你后续debug，打印各个变量及变量梯度会有很大帮助。

3.2）scope的作用--解决变量重名问题：不像Python通过变量的作用域优先级区分同名变量，Tensorflow中默认所有节点都在同一个作用域中，python是解释型语言，变量不需要声明，所以默认会把重名变量当做同一个变量复用。

想象一下你想生成两个全链接层，于是调用了该子函数两次，结果你并没有生成两个独立的全链接层，而是把同一个全链接层执行了两次。这恐怕不是我们想要的。此时你就需要在两个不同的namescope里调用该函数，这样，就能保证得到的是两层独立的网络了。

3.3）两种scope声明方法作用及区别：

直接说结论：在任何时候都应该用get_variable()和vairable_scope()的组合。这将减少后期很多让你疯魔又找不到的bug。

懒得翻译了，直接看代码吧。。。（好吧真实原因是我饿了要去吃晚饭了）

3.4）reuse的作用和特点

先说结论：除非你特意要复用网络，否则reuse都应该设置为None（缺省默认是None)，千万不要顺手给个AUTO_REUSE

上面说到了重名变量，get_variable()函数有个特点，如果它发现两个同名变量，而且reuse又没有被设置为True，或者AUTO_REUSE，那么它就会报Exception。其用法如下面代码截图。

-- 注意这个Exception是个非常好的事情，总好过你不知不觉间复用了网络还不自知，然后你的网络loss一直无法下降，然后你花了一个星期还不知道是什么原因，你去检查了数据，loss，梯度，以及各种你能想到的原因。然而除非你把每个w都打印出来，你可能一辈子也发现不了这个bug。这就是你应该使用get_variable() 而不是 tf.Variable()的原因。

 

reuse的可以有三个值：True, None, tf.AUTO_REUSE； 默认为None

-- 为什么没有False呢？原因是variable_scope出现嵌套时，子空间会继承上层空间的reuse，且一旦上层空间reuse为True，则子空间也是True（即使设置为reuse=False）（稍微想一下就能理解为什么）。即如果上层为False，下层可以设置为True，但反过来不行。那么允许写reuse=False直观上就很有歧义了，所以TF版本升级后把False和None的处理逻辑完全等价并且从文档里去掉了False，只保留了None（骚操作）。None表示：继承上层，即上层是什么当前层就是什么，如果当前节点为最顶层，则为False。

那么一共有以下几种情况：

1）如果所有scope都没有设置reuse，所有reuse默认为None，为False。此时如果你在同一个scope中调用了两个同名的get_variable()，则会抛重名异常

2）如果某节点设置为reuse=True，则自该节点往下所有scope均为reuse=True。该scope内所有变量默认已经初始化过了，遇到get_variable时直接拿来用。此时，如果你第一次调用一个变量的get_variable()同时该scope的reuse又是True，就会抛异常（没有初始化）

3）上述两种异常实在太烦了。如果设置为tf.AUTO_REUSE，则第一次调用时自动设为False，以后任何重复调用时自动设为True。再也不用担心异常了。嗯。。。已经说过这样做不好了。

3.5）好吧，那么，我该怎么解决函数内部同名变量的Exception问题呢？

我们会遇到两种不同的情形：

a) 我们确实想复用变量：

比如DSSM中我们的两个子网络（query, title）想复用同一个embedding层。此时，只需要在embedding层的variable_scope中使用AUTO_REUSE就好了。示例代码我就直接用参考资料中的了，大家类比理解就好。这里的feature1和feature2就是共用一个相同网络参数得到的，它们的梯度会同时影响这个网络的w。

b) 我们不想复用变量

比如上面提到的例子，我们有两层网络, layer2是layer1的输出是layer2的输入，此时我们不能复用参数。我们只需要把它们放在不同的variable scope即可，此时虽然函数内名字相同，但变量拥有了不同前缀也就是不同的变量。注意，没事就写个reuse=False，终有一天你会感谢我的 （-- 祝没有这一天 (⊙v⊙) ）

4 broadcasting的优缺点

这里的broadcasting不是spark中的broadcasting，TF中是指：

当不同shape tensor做element-wise运算时，若a张量的某维为1，而b张量不为1，则自动将a张量该维补齐到和b张量相同大小，再计算的隐藏规则。相当于省去了你显式的调用tf.tile()，看代码：

这里显然 a.shape 是[2, 2]， 而b是[2, 1]，但运算时隐式的补齐了b的维度，让b变成了[ [1., 1.], [2., 2. ]。

broadcasting的优点和缺点：

• 优点：不用写tile，让代码更简洁，运行效率也更高。比如在DSSM计算两个向量内积时，这种做法比较常见。
• 缺点：导致代码可读性下降，在一些情况下可能导致有bug无法被发现。如下面的代码截图，c=12而不是6，原因是a,b都被隐式地tile了。即 a=[1., 1.], [2., 2.] , b = [1., 2.], [1. , 2.]

5 Tensorflow的数据读入

几乎所有情况下，你都应该利用placeholder将数据传入Graph，来增加代码的可复用性。示例程序如下：

数据读入常见问题：性能

由于python语言的特点，当我们在读取一些大的数据集时，如果直接用Python本地读取再用feed_dict装载进placeholder，读取速度，尤其是random batch的速度会非常慢，进而导致GPU利用率非常低，系统大部分延时都是在读数据。之前的解决方法是用c++写这部分代码并且取消random batch，然后通过python调用c++获得高性能的数据读入。还好，现在我们有了更方便的方法。

数据读入性能优化方法：TFRecord API

TFRecord是TF约定的一种数据组织形式，其数据结构类似json。只要我们按照此结构组织数据，就可以通过API函数直接调用得到数据。示例代码如下：

TFRecord更多资料请参见下面两个链接

教程：https://medium.com/coinmonks/beginners-guide-to-feeding-data-in-tensorflow-part2-5e2506d75429

官方文档：https://www.tensorflow.org/api_guides/python/reading_data#Reading_from_files

6 Tensor与Variable的区别

先说结论：能用Tensor的时候不要用variable，如果variable有赋值操作，注意是否需要使用tf.dependency

在大部分运算中，Tensor和Variable的用法貌似没什么区别，它们都可以被赋值，被调用，被打印。但两者有本质的不同：

• Tensor是常量，Tensorflow会自动记录tensor之间的依赖关系，按依赖关系依次计算
• Variable是变量，如果某个操作没有与tensor的依赖关系，则其运行顺序是随机的。TF并不是按代码顺序执行的。

示例1：这里我们其实建立了3个tensor而不是2个。TF会自动先算a，再算b，再算a'=a+b ( 因为 a' 依赖于前两者）

示例2：这里的a是变量，事实上最终的打印值既可能是[5,7]，也可能是[5, 3]，这完全取决于TF在那个时刻的运算顺序。

示例3：如果确实相对varable赋值该怎么办？使用tf.dependency

7 逻辑分支与循环

由于GPU的特点，TF的Graph应该尽量避免使用分支和循环语句，尤其是内存单元级别的，尽量用高效的矩阵运算代替。

但如果必须使用，应该用where和while_loop。示例代码如下：

8 多卡并行运算

多机多卡比较复杂，需要参数服务器通过同步/异步方式来同步参数，也需要资源分配中心去控制资源的生成、分配和销毁。多数企业都有自己的分布式TF框架，此时你只需要按说明的API实现即可，如果没有，则应该优先购买多卡机器，做单机多卡的并行运算。这里仅介绍单机多卡的编程技巧。

单机多卡的实现，本质上是一个在graph中手写"map"和"reduce"的过程。本质上，这里的“map"是把训练数据切片，分到多张GPU卡上去跑，"reduce"则是把不同卡上跑出的tensor concat起来。并行语法是tf.device()，看代码：

（第一段是单卡，第二段是双卡版本）

但这样写很不通用，我们可以写一个通用的并行化函数，并且在loss计算时使用：

然后我们只需要在计算loss时使用即可，其中colocate_gradients_with_ops 设置为true后，梯度下降也将在各个对应的GPU上执行。

9 TF Debug

1) 打log，观察正确性

使用第2部分中的print(tensorX.shape) 可以看到tensor大小，这里不再讲。

使用tf.Print() 或 tf.print() 可以打印出tensor中的内容（梯度也可以打印）

2）使用assert，确保数据符合自己预期

TF所有的assert函数可以看这里：https://www.tensorflow.org/api_docs/python/tf/debugging/Assert

3）使用tf.compute_gradient_error 检查梯度偏差

这段没看太懂，该函数在计算 the maximum error for dy/dx between the computed Jacobian and the numerically estimated Jacobian.

我理解应该是当用错一些函数，导致梯度计算中出现精度损失时（此时数学中的梯度和实际算出的梯度大小差距较大），可以通过该函数检查发现。一般该值在10^(-5)级别，如果在10^(-2)级别及以上则应该警惕。把原文的例子粘过来：

10 数值精度问题

数值精度是DNN实现时最应该警惕的问题之一。两种类型：最大值越界和小数部分精度消失。

1）比如float32的最大值在10^30左右，而如果有exp(x)操作，则一旦x>88.7就会越界

2）比如float32的最大精度在10^(-45)左右，当小数部分不足时会截断，只留整数部分。这在sigmoid, tanh激活时需要警惕。

解决方法：在涉及到exp, log操作时，尽量参考他人代码，使用tf已有的API，而不是手动实现。

比如算多分类交叉熵loss的时候，tf有softmax_cross_entropy_with_logits()函数，算log(sigmoid(x))时有log_sigmoid(x)函数。

看1个有问题的例子和解决方法：

11 几种常用函数的实现示例代码

都是代码就不粘贴了，大家直接在原文看就好：（有些函数实现最新的TF API中已经包含）

https://github.com/vahidk/EffectiveTensorflow#get_shape

[全文完]

参考资料：

https://github.com/vahidk/EffectiveTensorflow

 

版权声明：转载请注明出处：苏冉旭的博客 https://blog.csdn.net/suranxu007/article/details/87531215