tensorflow VS theano

最开始接触深度学习，使用theano框架，使用感觉，偏底层、难调试。

theano的工作流程大致可以概括如下（先定义一个大的图片，编辑好图片的小部件，再把训练数据集放到图片中去自动地训练。），第一步初始化各变量及计算图中需要的其他组件，第二步利用初始化后的变量构建计算图（即使用function将各组件串起来，形成一张计算图），第三步喂数据，使其开始计算或训练。更正式描述如下，导入模块并创建数据（包括预处理）、建立模型、激活模型和训练模型。

近期，tensorflow如日中天，以压倒性优势侵占深度学习领域，遂决心转战tensorflow，通过几天的接触，感觉与theano差距不大，但tensorflow开源了更多的样例、基础模型，很多人乘势而上，在demo上进行改进、实验，极大缩短了开发周期。

tensorflow在初始化变量时是直接赋值的，运行计算需要开启会话，通过会话实现计算；而theano却是通过theano.function将初始化值传入，实现计算。其实，tensorflow中的session与theano.function一致。

tensorflow编程总结：

1）导入模块；2）设置超参数；3）导入数据（使用“print查看数据形式”）；4）设置占位符（图输入）；5）创建参数，构造计算图（预测结果的计算流程）；6）设定损失函数，选择优化算法；7）创建会话；8）初始化参数；9）喂数据，开始训练；10）可视化相关结果等。