TensorFlow

Tensorflow是一个开源软件库，它使用数据流图的形式进行数值计算。

什么是数据流图（Data Flow Graph）

• 节点（Nodes）：表示数学运算操作符
• 边（Edges）：用于传送节点之间的多维数组，即张量。

安装TensorFlow

• CPU版本：pip install –upgrade tensorflow
• GPU版本：pip install –upgrade tensorflow-gpu

检查安装以及版本

>>> import tensorflow as tf
>>> tf.__version__
'1.3.0'

利用TensorFlow打印‘Hello World！’

# 创建一个constant运算符(op)
# 这个op，作为一个node，添加到graph中
hello = tf.constant('Hello, TensorFlow!')

# 启动TF进程（session）
sess = tf.Session()

# 运行op，并输出结果
print(sess.run(hello))

b'Hello, TensorFlow!'

b’String’: ‘b’表示字节符。

计算图（Computational Graph）

# 1.使用TensorFlow运算符op搭建graph
node1 = tf.constant(3.0, tf.float32)
node2 = tf.constant(4.0)
node3 = tf.add(node1, node2)

# 2.丢入数据，并运行graph：sess.run(op)
# 3.自动更新graph中的变量并返回
sess = tf.Session()
print('sess.run(node1, node2):', sess.run([node1, node2]))
print('sess.run(node3):', sess.run(node3))

sess.run(node1, node2): [3.0, 4.0]
sess.run(node3): 7.0

TensorFlow运行机制

• 1.使用TensorFlow运算符op搭建graph
• 2.丢入数据，并运行graph：sess.run(op)
• 3.自动更新graph中的变量并返回值

占位符（Placeholder）

# 1.使用TensorFlow运算符op搭建graph
a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)
adder_node = tf.add(a, b)

# 2.丢入数据，并运行graph：sess.run(op， feed_dict{x: x_data})
# 3.自动更新graph中的变量并返回值
print(sess.run(adder_node, feed_dict={a: 3, b: 4.5}))
print(sess.run(adder_node, feed_dict={a: [1, 3], b: [2, 4]}))

7.5
[3. 7.]

TensorFlow机制

• 1.使用TensorFlow运算符op搭建graph
• 2.丢入数据，并运行graph：sess.run(op， feed_dict{x: x_data})
• 3.自动更新graph中的变量并返回值

万物皆张量（Everything is Tensor）

Tensors

3    # rank为0的张量，即shape为[]的表量
[1., 2., 3.]    # rank为1的张量;shape为[3]的向量
[[1., 2., 3.], [4., 5., 6.]]    # rank为2的张量;shape为[2, 3]的矩阵
[[[1., 2., 3.]], [[7., 8., 9.]]]    # rank为3的张量，形状为[2, 1, 3]

张量的阶、形状和类型

Tersor Ranks, Shapes, and Types

阶（Ranks）

形状（Shapes）

类型（Types）