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

来自专栏极客生活

数据分析python技能之字符串转整数

将某个字符串格式的字段s转换成整数做一些运算,如果字段内容是非数字的格式,那么就转换成0。

792
来自专栏Crossin的编程教室

【Python 第24课】 if的嵌套

和for循环一样,if也可以嵌套使用,即在一个if/elif/else的内部,再使用if。这有点类似于电路的串联。 if 条件1: if 条件2: ...

2866
来自专栏Soul Joy Hub

TensorFlow指南(二)——练习思考:上手TensorFlow

http://blog.csdn.net/u011239443/article/details/79075392 创建一个计算图而不是直接执行计算的主要好处是...

2724
来自专栏coolblog.xyz技术专栏

红黑树详细分析,看了都说好

红黑树是一种自平衡的二叉查找树,是一种高效的查找树。它是由 Rudolf Bayer 于1978年发明,在当时被称为对称二叉 B 树(symmetric bin...

62321
来自专栏程序你好

二叉树搜索树(程序员都知道)

1241
来自专栏C语言及其他语言

[每日一题]反序输出

今天的题目与自定义函数的定义以及使用有关,主要是传参问题,好多朋友都问我传参不知道传什么好,其实还是代码量不够,写得多了,报错多了,就知道写什么了 题目描述 ...

2876
来自专栏java一日一条

Python算法:如何解决回文索引问题

对于这个问题野蛮的解决方案是遍历S中每个单词大小的窗口并检查它们是否是回文,如下所示:

732
来自专栏数据结构与算法

P3369 【模板】普通平衡树(Treap/SBT)(pb_ds版)

题目描述 您需要写一种数据结构(可参考题目标题),来维护一些数,其中需要提供以下操作: 插入x数 删除x数(若有多个相同的数,因只删除一个) 查询...

2527
来自专栏salesforce零基础学习

salesforce 零基础开发入门学习(五)异步进程介绍与数据批处理Batchable

本篇知识参考:https://developer.salesforce.com/trailhead/force_com_dev_intermediate/asy...

2527
来自专栏Crossin的编程教室

【Python 第60课】 随机数

有些时日没发新课了,今天来说一说python中的random模块。 random模块的作用是产生随机数。之前的小游戏中用到过random中的randint: i...

3368

扫码关注云+社区