TensorFlow基本知识

TensorFlow的一些说明

使用图 (graph) 来表示计算任务.
在被称之为会话 (Session) 的上下文 (context) 中执行图.
使用 tensor 表示数据.
通过变量 (Variable) 维护状态.
使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据.
TensorFlow 使用图来表示计算任务. 图中的节点被称之为 op (operation).
在 Python 语言中, 返回的 tensor 是 ndarray 对象
计算图：TensorFlow 程序通常被组织成一个构建阶段和一个执行阶段. 在构建阶段, op 的执行步骤被描述成一个图. 在执行阶段, 使用会话执行执行图中的 op.
Python有一个default graph,该默认的图很多情况下够用了，需要管理多个图阅读 Graph 类.

#启动默认图
sess = tf.Session() 
#2dimensions
V1 = tf.constant([1.,2.])
V2 = tf.constant([3.,4.])

#3 dimensions
K = tf.constant([[1.,2.],[3.,4.]])
V3 = V1+V2
M = V1*V2   # 逐项相乘
Matrix = tf.matmul(K,K) # 矩阵乘法
output = sess.run(M) # 计算图得到结果
print(output)
 # 结束会话
sess.close()

with 方法来关闭


with tf.Session() as sess:
    K = tf.constant([[1.,2.],[3.,4.]])
    Matrix = tf.matmul(K,K) # 矩阵乘法
    result = sess.run(Matrix)
    print(result)

交互式和变量使用

为了便于使用诸如 IPython 之类的 Python 交互环境, 可以使用InteractiveSession 代替 Session 类, 使用 Tensor.eval() 和 Operation.run() 方法代替 Session.run(). 这样可以避免使用一个变量来持有会话.

# interactive 交互式操作,这样会话就可以计算任意节点的值。
# Create a Variable
sess = tf.InteractiveSession()
Var = tf.Variable(0,name="weight")  # 定义变量的方式，nae is weight and its value is 0
init_op = tf.global_variables_initializer()  # 变量需要初始化然后才能调用
sess.run(init_op)

print('Var is',Var.eval())
Var=Var + 1
print('New Var is',Var.eval())
sess.close()

取回多个节点

创建多个tensor即可一次返回多个计算值。

input1 = tf.constant(3.0)
input2 = tf.constant(1.0)
input3 = tf.constant(2.0)
intermed = tf.add(input1,input3)
mul = tf.multiply(input2,input3)
# 取回多个结果
with tf.Session() as sess:
    result = sess.run([intermed,mul])
    print(result)

Feed

上述示例在计算图中引入了 tensor, 以常量或变量的形式存储. TensorFlow 还提供了 feed 机制, 该机制可以临时替代图中的任意操作中的 tensor 可以对图中任何操作提交补丁, 直接插入一个 tensor.

feed 使用一个 tensor 值临时替换一个操作的输出结果. 你可以提供 feed 数据作为 run() 调用的参数. feed 只在调用它的方法内有效, 方法结束, feed 就会消失. 最常见的用例是将某些特殊的操作指定为 "feed" 操作, 标记的方法是使用tf.placeholder()为这些操作创建占位符.

# 占位符
input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
output = tf.multiply(input1,input2)
with tf.Session() as sess:
    print(sess.run([output],feed_dict={input1:[3.],input2:[5.]}))
# 先创建两个placeholder而不赋值，要使用的使用后feed一个dict即可。

Reference：http://www.tensorfly.cn/tfdoc/get_started/basic_usage.html