Tensorflow 基础

TensorFlow 是 Google 开发的一个用于机器学习的开源软件库。我们可以使用 TensorFlow 框架非常方便地搭建我们需要的机器学习/深度学习的任务。

TensorFlow 的 Graph 和 Session

TensorFlow 和我们过去所使用的一些机器学习库,如 skleran 有很大的不同。它采用了一种计算定义与执行运算分开的模式。我们使用 TensorFlow 定义计算的时候,TensorFlow 只会为我们创建一个 Graph 而不会执行计算,当我们需要运行实际计算的时候,我们需要开启一个 Session ,然后再执行运算。

这样的设计可以让 TensorFlow 能够更省资源、方便分解子环节的处理以及对分布式计算非常友好。以下是一个简单的 TensorFLow 数据流图:


Data Flow Graph

上面的 Data Flow Graph 定义了 a b c 的计算定义(既图中的成色圆圈以及箭头指向),而图中的 list 即为将在这个 Graph 中流动的数据,数据经过不同的计算定义节点,就会有一个结果输出。

我们再来看一个 TensorFlow 给的一个神经网络训练的图例:

Tranning TensorFlow

图中动画演示的就是我们的训练数据经过 Graph 后不断优化参数再进行训练的过程。

一些 TensorFlow 例的概念理解

Tensor 张量

张量定义

上图为张量的数学定义,在使用 TensorFlow 的时候,我们可以简单的将其理解为 n 维矩阵。我们的机器学习、深度学习任务,核心就是把各种我们需要学习、处理的信息以计算机能 “读懂” 的矩阵形式表示,并交由计算机进行处理。结合我们上面解释的 Data Flow Graph ,我们就不难理解,什么是 TensorFLow 了。

Session 会话
我们在开始的时候提过,TensorFLow 的设计是把计算定义和运算结果分开,而我们这里的 Session,就是用来让我们的 TensorFlow 去执行我们需要的计算。

TensorFlow 的安装与配置

ensorFLow 有分为 CPU版本 和 GPU版本,在进行一些复杂模型训练的时候,使用 GPU 能明显加快速度,但目前为止 TensorFLow 值支持带CUDA的显卡,所以如果需要安装 GPU版本的可以参考官网的指引:https://www.tensorflow.org/install/gpu?hl=zh-cn

TensorFlow 支持 Ubuntu 、Window、 macOS,甚至支持树莓派的 Raspbian,我们可以使用 pip 进行安装。但是,使用 pip 安装 TensorFlow 有时会出现一些异常的情况,所以为了方便以及良好的体验,建议安装 Anaconda 环境,然后使用 conda install tensorflow 安装 TensorFlow 即可。

TensorFlow 快速基础入门

我们完成了 TensorFlow 的安装之后,就可以开始使用 TensorFlow 了,和使用其他的 Python 库一样,我们也是需要先引入我们所需要使用的包:

Example Code 1

我们接下来将介绍一些 TensorFlow 的基本使用,包括以下内容:

  • constant 常量
  • operations 运算/变换
  • Variable 变量
  • placeholder 训练数据占位
Example Code 2

我们定义了两个常量 num_1 和 num_2 ,并且定义了一个加法运算 num_add_op ,可以看到,如果我们直接输出 num_1 或者 num_2 甚至是 num_add_op,都不会得到任何值或者结果,这就是我们在前文提到的运算定义和执行计算分开的设计。如果我们想要获取运算结果,就需要先创建一个 Session 然后在 run 我们需要的节点,如上图,我们执行 num_add_op 这个运算操作,就可以得到计算结果。

Example Code 3

同理,我们也可以使用 run 来获取我们的常量值。
上面的示例代码仅演示了最简单的标量常量赋值,TensorFlow 的常量还可以是矩阵,甚至是一些预置的常量,如零矩阵、单位矩阵、正态分布随机矩阵等,详细可以参考官方文档:https://www.tensorflow.org/api_guides/python/constant_op

上面所使用的 constant 常量,一般定义了就不能改变,如果我们需要可以可以改变的变量,就可以使用 Variable。

Example Code 4

以上示例代码定义了一个计数器变量,然后定义了一个每次给计数器加一的运算,然后我们在定义了一个将运算结果赋值给计数器的操作。然后我们将整个操作去 run 一遍,然后输出结果。我们可以看到,我们的 counter 变量会不断改变。

使用 TensorFlow 我们很多时候需要传入训练数据,因而,我们需要使用 placeholder 在定义计算的时候配置好训练数据的位置。

Example Code 5

上面示例代码定义了一个简单的矩阵加法,其中 x 为我们需要传入的数据,我们在执行运算的时候,需要将需要计算的数据传入到 x 中才能正常运行代码。

小结

到这里,我们已经简单的把 TensorFlow 的一些基础操作介绍完毕。接下来我们就可以开始进一步利用 TensorFlow 进行我们的机器学习之旅了。本文关于常量、运算部分仅仅做了大概的介绍,这两个部分中仍有很多细节需要我们了解,建议在 TensorFlow 的官网上利用好搜索功能,根据自己的实际问题找到适用的 api 。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 211,817评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,329评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,354评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,498评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,600评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,829评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,979评论 3 408
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,722评论 0 266
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,189评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,519评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,654评论 1 340
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,329评论 4 330
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,940评论 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,762评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,993评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,382评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,543评论 2 349

推荐阅读更多精彩内容