TensorFlow风格指南

此页面包含TensorFlow的开发人员和用户应遵循的风格决策,以增加其代码的可读性,减少错误数量并提高一致性。

Python风格

一般遵循 PEP8 Python风格指南,除了使用2个空格。

Python 2和3兼容

  • 所有代码都需要与Python 2和3兼容。
  • 所有Python文件中都应存在下一行: from __future__ import absolute_import from __future__ import division from __future__ import print_functio
  • 使用six写兼容代码(例如six.moves.range)。

Bazel BUILD规则

TensorFlow使用Bazel构建系统并执行下一个要求:

  • 每个BUILD文件应包含下一个标题: # Description: # <...> package( default_visibility = ["//visibility:private"], features = ["-parse_headers"], ) licenses(["notice"])  # Apache 2.0 exports_files(["LICENSE"])
  • 在每个BUILD文件的末尾,应包含: filegroup( name = "all_files", srcs = glob( ["**/*"], exclude = [ "**/METADATA", "**/OWNERS", ], ), visibility = ["//third_party/tensorflow:__subpackages__"], )
  • 添加新的BUILD文件时,将此行添加tensorflow/BUILDall_opensource_files目标文件中。 "//third_party/tensorflow/<directory>:all_files",

  • 对于所有Python BUILD目标(库和测试)添加下一行: srcs_version = "PY2AND3",

张量

  • 处理批次的操作可以假设Tensor的第一个维度是批量维度。

Python操作

的Python操作是一个函数,给定输入张量和参数,创建图的一部分,并返回输出张量。

  • 第一个参数应该是张量,其次是基本的python参数。最后一个参数name的默认值为None。如果操作需要将一些Tensors 保存到Graph集合,则将参数与集合名称一起放在name参数之前。
  • 张量参数应该是单张量或迭代张量。例如“张量或张量表”太广泛了。见assert_proper_iterable
  • convert_to_tensor 如果使用C ++操作,将张量作为参数的操作应调用将非张量输入转换为张量。请注意,参数仍被描述为文档中Tensor特定dtype的对象。
  • 每个Python操作应该有op_scope如下所示。传递输入张量列表,name并将op的默认名称作为参数。
  • 操作应该包含一个广泛的Python注释与Args和Returns声明,解释每个值的类型和含义。应在说明中指定可能的形状,型式或等级。 请参阅文档详细信息
  • 为了提高可用性,包括使用示例部分中op操作的输入/输出示例。

例:

def my_op(tensor_in, other_tensor_in, my_param, other_param=0.5,           output_collections=(), name=None): """My operation that adds two tensors with given coefficients.   Args:   tensor_in: `Tensor`, input tensor.   other_tensor_in: `Tensor`, same shape as `tensor_in`, other input tensor.   my_param: `float`, coefficient for `tensor_in`.   other_param: `float`, coefficient for `other_tensor_in`.   output_collections: `tuple` of `string`s, name of the collection to                       collect result of this op.   name: `string`, name of the operation.   Returns:   `Tensor` of same shape as `tensor_in`, sum of input values with coefficients.   Example:   >>> my_op([1., 2.], [3., 4.], my_param=0.5, other_param=0.6,             output_collections=['MY_OPS'], name='add_t1t2')   [2.3, 3.4] """ with tf.name_scope(name, "my_op", [tensor_in, other_tensor_in]):   tensor_in = tf.convert_to_tensor(tensor_in)   other_tensor_in = tf.convert_to_tensor(other_tensor_in)   result = my_param * tensor_in + other_param * other_tensor_in   tf.add_to_collections(output_collections, result)   return result

用法:

output = my_op(t1, t2, my_param=0.5, other_param=0.6,                output_collections=['MY_OPS'], name='add_t1t2')

图层

是结合可变创建和/或一个或多个其他图形操作一个Python操作。遵循与常规Python操作相同的要求。

  • 如果一个层创建一个或多个变量,层函数也应该遵循下列参数:
  • initializers:可选地允许指定变量的初始值。
  • regularizers:可选地允许为变量指定正则化程序。
  • trainable:哪个控制他们的变量是否可训练。
  • scopeVariableScope该变量将被放在下面的对象。
  • reusebool指示变量如果存在于范围内,应重新使用。
  • 训练过程中行为不同的层应具有:
  • is_trainingbool指示是否建立训练图。

例:

def conv2d(inputs,            num_filters_out,            kernel_size,            stride=1,            padding='SAME',            activation_fn=tf.nn.relu,            normalization_fn=add_bias,            normalization_params=None,            initializers=None,            regularizers=None,            trainable=True,            scope=None,            reuse=None):   ... see implementation at tensorflow/contrib/layers/python/layers/layers.py ...

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏专知

Numpy教程第1部分 - 阵列简介(常用基础操作总结)

【导读】这里是numpy教程的基础部分,涵盖了使用numpy的ndarrays执行数据操作和分析的一些操作。众所周知,Numpy是Python中最基本和最强大的...

2624
来自专栏desperate633

LintCode 寻找峰值题目分析代码

相邻位置的数字是不同的 A[0] < A[1] 并且 A[n - 2] > A[n - 1] 假定P是峰值的位置则满足A[P] > A[P-1]且A[P] ...

752
来自专栏韦弦的微信小程序

Swift 验证回文字符串 - LeetCode

652
来自专栏noteless

[十]基础数据类型之Unicode编码简介

(American Standard Code for Information Interchange,美国信息交换标准代码)

622
来自专栏软件开发 -- 分享 互助 成长

经典算法学习之回溯法

回溯法的应用范围:只要能把待求解的问题分成不太多的步骤,每个步骤又只有不太多的选择就可以考虑使用回溯法。  若用回溯法求问题的所有解时,要回溯到根,且根结点的所...

2058
来自专栏mathor

matlab—基础绘图

plot函数是matlab中用于作图的函数,常用格式为:plot(x,y),x代表着横坐标,y代表纵坐标,一般情况下如果是画一组连续的图,x和y一般都是矩阵

823
来自专栏lgp20151222

Java获取随机数的3种方法

方法1  (数据类型)(最小值+Math.random()*(最大值-最小值+1)) 例:

691
来自专栏Petrichor的专栏

tensorflow: Shapes and Shaping 探究

551
来自专栏余林丰

8.动态规划(1)——字符串的编辑距离

  动态规划的算法题往往都是各大公司笔试题的常客。在不少算法类的微信公众号中,关于“动态规划”的文章屡见不鲜,都在试图用最浅显易懂的文字来描述讲解动态规划,甚至...

3399
来自专栏Jack-Cui

Python3《机器学习实战》学习笔记(五):朴素贝叶斯实战篇之新浪新闻分类

Python版本: Python3.x 运行平台: Windows IDE: Sublime text3 一 前言 上篇文章Python3《机器学习实...

48010

扫码关注云+社区