1
/ Tensorflow介绍/
- TensorFlow™ 是一个开放源代码软件库,用于进行高性能数值计算• 借助其灵活的架构,用户可以轻松地将计算工作部署到多种平台(CPU、GPU、TPU)和设备(桌面设备、服务器集群、移动设备、边缘设备等)
- TensorFlow™ 最初是由 Google Brain 团队(隶属于 Google 的 AI 部门)中的研究人员和工程师开发的,可为机器学习和深度学习提供强力
2
/ tensorflow里的helloworld /
我们学习每一门语言基本都是从Hello world起步,tensorflow也不例外:
import tensorflow as tf
# 下面两句是防止警告信息
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
# 创建一个常值运算,将作为一个节点加入到默认计算图中
hello = tf.constant("Hello world!")
# 创建一个TF对话
sess = tf.Session()
# 运行并获取结果
print(sess.run(hello))
# 输出结果:
b'Hello world!'
3
/ TensorFlow计算模型 – 计算图 /
TensorFlow = Tensor + Flow
计算图是一个有向图(有向图即为有箭头的图像)
由以下内容构成:
• 一组节点,每个节点都代表一个操作,是一种运算
• 一组有向边,每条边代表节点之间的关系(数据传递和控制依赖)
Tensorflow有两种边:
• 常规边(实线):代表数据依赖关系。一个节点的运算输出成为另一个节点的输入,两个节点之间有tensor流动(值传递)
• 特殊边(虚线):不携带值,表示两个节点之间的控制相关性。比如,happens-before关系,源节点必须在目的节点执行前完成执行
import tensorflow as tf
# 一个简单的计算图
node1 = tf.constant(3.0, tf.float32, name="node1")
node2 = tf.constant(4.0, tf.float32, name="node1")
node3 = tf.add(node1, node2)
print(node3)
print(node1)
print(node2)
分别打印出来:
Tensor("Add:0", shape=(), dtype=float32)
Tensor("node1:0", shape=(), dtype=float32)
Tensor("node1_1:0", shape=(), dtype=float32)
输出的是一个张量结构,而不是一个值
4.计算图的执行
node1 = tf.constant(3.0, tf.float32, name="node1")
node2 = tf.constant(4.0, tf.float32, name="node1")
node3 = tf.add(node1, node2)
# 可以通过创建会话session来执行数据操作
sess = tf.Session()
print("node1的值:",sess.run(node1))
print("node2的值:",sess.run(node2))
print("node3的值:",sess.run(node3))
sess.close()
输出结果:
node1的值: 3.0
node2的值: 4.0
node3的值: 7.0
通过session我们可以真正执行这个计算图