TensorFlow學習筆記（1）—— 基本概念與框架

入門框架時的常見問題

學習框架的緣由？

• 方便、易用

學習框架的哪些知識點？

• 掌握一個項目的基本流程，就知道須要學習哪些知識點了

迅速學習框架的方法

• 根據項目每塊流程的須要針對性的學
• 能夠看官方的入門教程

TensorFlow快速入門思惟導圖

（圖）

TensorFlow的高級API

TF SLIM：一個能夠定義、訓練和評估複雜模型的輕量庫（用到的時候詳細說）

TF Learn（tf.contrib.learn）:相似於scikit-learn的接口

其餘：Keras等

TensorFlow學習要點

• 數據類型
• 運行機制
• 數據的I/O
• 模型的訓練
• 模型的保存
• 模型的調用

TensorFlow的基本開發流程

項目流程

數據預處理－＞模型訓練－＞模型保存－＞模型預測

• 數據預處理：數據準備、數據清洗、特徵工程、歸一化處理
• 神經網絡與傳統的機器學習不一樣，不須要作大量特徵工程以後喂入特徵，只須要設置好網絡結構，輸入原始數據便可完成訓練。
• 能夠先對原始數據作歸一化的處理，避免訓練偏差。

編寫TensorFlow的兩個步驟

1. 構建計算圖graph
2. 使用Session去執行graph中的operation

其中涉及的基本定義

Tensor

1. 類型化的多維數組，是圖的邊

2. ？？？是N維的矩陣，能夠看作一種符號化的句柄，指向存儲運算結果嗎，執行以後返回的基本類型，例如numpy的數組、list等

3. 建立方法：

   1. tf.zeros()
   2. tf.ones()
   3. tf.fill()
   4. tf.constant()
   5. tf.random_uniform()
   6. tf.random_normal()
   7. ......

4. 三個屬性：rank、shape、data_type

   • Rank：指的是數據的數據的維度，與線性代數中的rank不是一個概念

     （圖）

     rank = 0（標量）、1（向量）、2（矩陣）、3~n（n維Tensor）

     注意rank與shape之間的關係！

   • Shape：指的是Tensor每一個維度數據的個數，能夠用Python的list/tuple表示

     Rank和Shape之間的關係：

     (圖)

   • Data_type：是指單個數據的類型。經常使用DT_FLOAT，也就是32位的浮點數。

     全部的Types以下：

     （圖）

Operation

1. 執行計算的單元，圖的節點
2. 是一個符號化的運算過程，是TensorFlow中的基本單元。是Graph中的計算節點，輸入和輸出均爲Tensor
3. 建立方法：
   1. tf.add()
   2. ......

Graph

1. 一張有邊與點的圖，其表示了須要進行計算的任務

2. TensorFlow中使用tf.Graph表示可計算的圖，圖是由操做Operation和張量Tensor構成的，其中Operation表示圖的節點（即爲運算單元），而Tensor則表示圖的邊（即爲在Op之間流動的數據單元）

3. 建立方法：

   • tf.Graph._ init _()（MK語法限制，下劃線無空格）：建立一個新的空Graph

   • 在TF中自己存在一個默認的Graph，若直接使用則不須要再建立圖

   • 在with中調用tf.Graph().as_default()這個方法，能夠設置默認的計算圖

     （圖）

Session

1. 稱之爲會話的上下文，用於執行圖

2. 提供Operation執行和Tensor求值的環境

   （圖）

3. 分佈式運算的使用，指定GPU/CPU

4. 釋放資源

   • 調用session.close()方法

     （圖）

   • 使用with tf.Session()建立上下文（Context）來執行，當上下文退出時，資源將自動釋放

     （圖）

三大基本概念之間的關係以下：

（圖）

Tensor和Operation都是Graph的對象，Operation是圖的節點，而Tensor做爲邊，將Op鏈接起來。而Graph又必須在Session中才能執行

例子一

（圖）

• 在Tf中定義和執行這個計算圖的操做時分開來的。
• 建立一個完整的計算過程：
  1. 建立Tensor
  2. 添加Operation
  3. 建立Session，運行Graph
• 這個圖裏有3個Operation，輸入不是Operation可是輸出是，由於輸出能夠執行計算，可是輸入不行。
• Operation添加以後不會當即執行，TensorFlow將等待全部的Operation均添加到Graph中後，根據最終的輸出須要運算相應的Operation。

TensorFlow中的基本函數

Veriable

1. 做用：保存而且更新參數，保存在內存中

（未完待續）