icodding愛程式

最近在學習Tensorflow中的tensoboard的視覺化，但是怎麼都無法實現，按照教程，在Windows下會無法顯示網頁，教程中是在Linux中實現的，檔路徑與Windows不一樣,下面我以官方給出教程為例，指出在Window下要修改的地方： from __future__ import absolute_import from __future__ import division from __future__ import print_function import argparse import sys import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data FLAGS = None def train():   # Import data   mnist = input_data.read_data_sets(FLAGS.data_dir,                                     one_hot=True,                                     fake_data=FLAGS.fake_data)   sess = tf.InteractiveSession()   # Create a multilayer model.   # Input placeholders   with tf.name_scope('input'):     x = tf.placeholder(tf.float32, [None, 784], name='x-input')     y_ = tf.placeholder(tf.float32, [None, 10], name='y-input')   with tf.name_scope('input_reshape'):     image_shaped_input = tf.reshape(x, [-1, 28, 28, 1])     tf.summary.image('input', image_s

延續上一篇"Python 3.x中使用print函數出現語法錯誤（SyntaxError: invalid syntax）的原因" 當 print 增加 () 後仍然出現錯誤 After %s iteration(s): x%s is %f. Traceback (most recent call last):   File "test9.py", line 14, in <module>     print ('After %s iteration(s): x%s is %f.') % (i+1, i+1, x_value) TypeError: unsupported operand type(s) for %: 'NoneType' and 'tuple' 解決方式 在印出的外層再加上() print ( ("After %s iteration(s): x%s is %f.") % (i+1, i+1, x_value) )

  File "test9.py", line 14     print 'After %s iteration(s): x%s is %f.' % (i+1, i+1, x_value)                                                                  ^ SyntaxError: invalid syntax Python 2.x： print 「所要列印的內容」 , 不帶括號 Python 3.x： print函數（」所要列印的內容」），必須帶括號

原因：TensorFlow 發布的新版本的API 修改了 tf.mul, tf.sub and tf.neg are deprecated in favor of tf.multiply, tf.subtract and tf.negative. 解決方法：使用時將  tf.mul改成  tf.multiply即可 其餘的  tf.sub和tf.neg也要相應修改為  tf.subtract和tf.negative。

  File "test9.py", line 10     print sess.run(y, feed_dict={a: 3, b: 3})              ^ SyntaxError: invalid syntax 這個報錯是因為python3中print變成了一個方法，需要帶括號當參數傳入值。 print(sess.run(y, feed_dict={a: 3, b: 3})) 即可解決！

簡單運用 這一次我們會講到Tensorflow中的placeholder, placeholder是Tensorflow中的佔位符，暫時儲存變數. Tensorflow如果想要從外部傳入data,那就需要用到tf.placeholder(),然後以這種形式傳輸資料sess.run(***, feed_dict={input: **}). 示例： import tensorflow as tf #在 Tensorflow 中需要定義 placeholder 的 type ，一般為 float32 形式 input1 = tf.placeholder(tf.float32) input2 = tf.placeholder(tf.float32) # mul = multiply 是將input1和input2 做乘法運算，並輸出為 output ouput = tf.multiply(input1, input2) 接下來,傳值的工作交給了sess.run(),需要傳入的值放在了feed_dict={}並一一對應每一個input. placeholder與feed_dict={}是綁定在一起出現的。 with tf.Session() as sess:     print(sess.run(ouput, feed_dict={input1: [7.], input2: [2.]})) # [ 14.]

TensorFlow 用張量這種資料結構來表示所有的資料。用一階張量來表示向量，如： v = [1.2, 2.3, 3.5] ，如二階張量表示矩陣，如： m = [[1, 2, 3], [4, 5, 6], [7, 8, 9]] ，可以看成是方括號嵌套的層數。 1.   編輯器 2.   編寫 tensorflow 代碼，實際上就是編寫 py 檔，最好找一個好用的編輯器，如果你用 vim 或 gedit 比較順手，那也可以的啦。我們既然已經安裝了 anaconda ，那麼它裡面自帶一個還算不錯的編輯器，名叫 spyder ，用起來和 matlab 差不多，還可以在右上角查看變數的值。因此我一直使用這個編輯器。它的啟動方式也很簡單，直接在終端輸入 spyder 就行了。 Note: 用 Anaconda 自帶的 IDE spyder 編輯 python 時，發現無法導入 tensorflow 模塊，我猜測應該時 IDE 的搜索路徑沒有包含 tensorflow 的路徑吧（未仔細研究），然後我在 Anadconda 的安裝路徑中找到了 / envs/tensorflow/lib/python2.7 ，並將該路徑中的 site-packages 檔夾中的所有檔拷貝到， Anaconda 安裝路徑下的 lib/python2.7/site-packages 檔夾中，之後再次打開 IDE ，發現已經可以 import 了！！！！ cd   anaconda cp -rf  envs/tensorflow/lib/python2.7/site-packages/* lib/python2.7/site-packages/ 2.   常數 3.   我們一般引入 tensorflow 都用語句 4.   import tensorflow as tf 5.   因此，以後文章中我就直接用 tf 來表示 tensorflow 了。 6.   在 tf 中，常數的定義用語句： a=tf.constant(10) 這就定義了一個值為 10 的常數 a 3.   變數 4.   變數用 Variable 來定義 , 並且必須初始化，如： x=tf

常用語法筆記 （以下指令皆需先宣告 import tensorflow as tf） 一般結構： （1）建立計算圖 （2）執行計算圖 建立計算圖 宣告： tf.constant() 建立常數 tf.variable() 建立變數 數值運算： tf.add(x,y,name) 加法 tf.subtract(x,y,name) 減法 tf.multiply(x,y,name) 乘法 tf.divide(x,y,name) 除法 tf.mod(x,y,name) 餘數 tf.sqrt(x,name) 平方 tf.abs(x,name) 絕對值 x : 輸入參數 y : 輸入參數 name : 設定運算名稱 建立連結： tf.Session() 建立連結 說明： session的原始意思為對談，在這邊的意思為把用戶端和執行裝置之間建立一個連結，有了這個連結就可以把建立好的計算圖再裝置中執行。 執行計算圖 sess=tf.Session() sess.run() 執行計算圖 Session Tensorflow是基於圖架構進行運算的深度學習框架，Session是圖和執行者之間的媒介，首先透過Session來啟動圖，而Session.run()是用來進行操作的，Session再使用完過後需要透過close來釋放資源，或是透過with as的方式來讓他自動釋放。 Constant 就是不可變的常數，以下透過程式碼來逐一講解 import tensorflow as tf result=tf.constant(5) print (result) imgur 在沒有session.run的情況下，我們可以看到const跟tensor以及type，那麼這次改用session.run的方式來執行result import tensorflow as tf result=tf.constant(5) with tf.Session() as sess:     result=sess.run(result)     print (result) 這樣就會印出5這個數字了 PlaceHolder 由於Tensorflow都是透過圖去進行運算的，因此在我們還不知道資

通常執行 tensorflow 時，偶而會發生一些錯誤 例如 當發生下列錯誤時 WARNING:tensorflow:From <stdin>:1 in <module>.: initialize_all_variables (from tensorflow.python.ops.variables) is deprecated and will be removed after 2017-03-02. Instructions for updating: Use `tf.global_variables_initializer` instead. 表示 tensorflow 的版本比較新，語法已經修正過，我們可以透過語法進行查詢例如 import tensorflow as tf tf.__version__ 例如我的版本為1.4.0 則當我輸入 tf.Session().run(tf.initialize_all_variables()) 會發生錯誤警告 WARNING:tensorflow:From <stdin>:1 in <module>.: initialize_all_variables (from tensorflow.python.ops.variables) is deprecated and will be removed after 2017-03-02. Instructions for updating: Use `tf.global_variables_initializer` instead. 其實我們只要改成相對應的語法即可解決 tf.Session().run(tf.global_variables_initializer()) 但是如果版本為0.11 可能會發生下列錯誤 tf.Session().run(tf.global_variables_initializer()) AttributeError: module 'tensorflow' has no attribute 'global_variables_initializer' 因為0.1