Tensorflow | 斯坦福cs20si | lecture1

努力在北京混出人样

发布于 2019-02-18 16:48:20

6640

发布于 2019-02-18 16:48:20

文章被收录于专栏：祥子的故事

根据学习斯坦福cs20si的课件记录学习笔记

一些有趣的tensorflow项目

Neural Style Translation 人人是梵高大师，人人做名画

Generative Handwriting 手写字识别

WaveNet: Text to Speech 文本转为语音

学习目标

理解TF的图计算方法
探究TF的内建函数
构建最合适的深度学习项目

推荐的资料

书：

TensorFlow for Machine Intelligence
Hands-On Machine Learning with Scikit-Learn and TensorFlow. Chapter 9: Up and running with TensorFlow
Fundamentals of Deep Learning. Chapter 3: Implementing Neural Networks in TensorFlow (FODL)

网站：

tensorflow.org 官网

下面来开始Tensorflow的代码学习

首先，导入tensorflow

import tensorflow as tf

简化tensorflow

tf.contrib.learn 类似于scikit-learn，帮助用户从过渡到the world of one-liner
tf.contrib.slim 轻的权重库，用于定义、训练、评估复杂模型
高级的API：Keras,TFLearn,Pretty Tensor

tensorflow 不是以提供现成模型为目的
tensorflow 提供了很多适用的扩展函数和类，允许用户自定义模型

图计算

数据流图

先装饰图，在执行操作

张量的定义

0维标量（数值）
1维向量
2维矩阵

依次类推

定义加法

x=3,y=5

进一步：

a = tf.add(3,5) 得到张量a，如下图

打印出来

import tensorflow as tf
a = tf.add(3, 5)
print (a)

Tensor(“Add_7:0”, shape=(), dtype=int32)

显然没有得到a = 8这个数值，而是以张量的形式来表示的

问题：如何得到数字a呢？

代码如下：

import tensorflow as tf
a = tf.add(3,5)
init = tf.global_variables_initializer()
#启动模型
sess = tf.Session()
#初始化模型
sess.run(init)
print (sess.run(a))

结果为 8

或者

代码如下：

import tensorflow as tf
a = tf.add(3,5)
init = tf.global_variables_initializer()
#启动模型
sess = tf.Session()
#初始化模型
sess.run(init)
with tf.Session() as sess:
    print (sess.run(a))

结果为：8

关于tf.Session

构建更多的图

代码如下：

import tensorflow as tf
x =3;y=2;
op1 = tf.add(x, y)
op2 = tf.mul(x, y)
op3 = tf.pow(op2, op1)
with tf.Session() as sess:
    op3 = sess.run(op3)
    print (op3)

结果为：7776

子图

代码如下：

import tensorflow as tf
x = 2
y = 3
op1 = tf.add(x, y)
op2 = tf.mul(x, y)
useless = tf.mul(x, op1)
op3 = tf.pow(op2, op1)
with tf.Session() as sess:
    op3 = sess.run(op3)
    print (op3)

结果为：7776

对无用的图也做执行

代码如下：

import tensorflow as tf
x = 2
y = 3
op1 = tf.add(x, y)
op2 = tf.mul(x, y)
useless = tf.mul(x, op1)
op3 = tf.pow(op2, op1)
with tf.Session() as sess:
    op3, not_useless = sess.run([op3, useless])
    print ('op3:',op3,'not_useless:',not_useless)

结果：op3: 7776 not_useless: 10

对于函数tf.Session.run定义如下：

tf.Session.run(fetches, feed_dict=None,
options=None, run_metadata=None)

计算模块GPU或CPU的图表示：

Distributed Computation分布式计算

上图的代码存在问题，目前不知道怎么修改。若是有朋友有修改方案，请在下方留言，谢谢！

如果想构建多个图呢？

使用默认图，不能构建多个图。

若是非要构建多个图呢？要求如下：

Multiple graphs require multiple sessions, each will try to use all available resources by default
Can’t pass data between them without passing them through python/numpy, which doesn’t work in distributed
It’s better to have disconnected subgraphs within one graph

构建图

这张图的代码也有问题，等后续修正。

或者：

代码如下：

import tensorflow as tf

g = tf.Graph()
with g.as_default():
    a = 3
    b = 5
    x = tf.add(a, b)
sess = tf.Session(graph=g) # session is run on the graph g
# run session
print (sess.run(x))
sess.close()

结果：8

操作默认图

用函数g = tf.get_default_graph()

代码如下：

import tensorflow as tf
g = tf.Graph()
# add ops to the default graph
a = tf.constant(3)
# add ops to the user created graph
with g.as_default():
    b = tf.constant(5)
    print (b)

结果：Tensor(“Const:0”, shape=(), dtype=int32)

代码如下：

import tensorflow as tf
g1 = tf.get_default_graph()
g2 = tf.Graph()
# add ops to the default graph
with g1.as_default():
    a = tf.constant(3)
    print (a)
# add ops to the user created graph
with g2.as_default():
    b = tf.constant(5)
    print (b)

Tensor(“Const_1:0”, shape=(), dtype=int32) Tensor(“Const:0”, shape=(), dtype=int32)

课件下载地址：链接：http://pan.baidu.com/s/1bSFLhG 密码：yz24

TensorFlow for Machine Intelligence : 链接：http://pan.baidu.com/s/1nvwf5yh 密码：v9w9

本文参与腾讯云自媒体同步曝光计划，分享自作者个人站点/博客。

原始发表：2017年01月26日，如有侵权请联系 cloudcommunity@tencent.com 删除

tensorflow