tensorflow-常用基礎語法

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料為何時，都會透過PlaceHolder先佔個位置，通常都是使用於input以及output的時候。

import tensorflow as tf
x=tf.constant(3)
y=tf.constant(4)
with tf.Session() as sess:
   print(sess.run(tf.add(x,y)))
上面的這段程式碼是給x跟y值，然後把x跟y相加起來，然後顯示出來，而下面的這段跟上面的差別就是a跟b都沒有被賦予值，而是建立出a跟b的tensor給圖使用

import tensorflow as tf
a=tf.placeholder(tf.int32)
b=tf.placeholder(tf.int32)
result=a+b
with tf.Session() as sess:
    print(sess.run(result,{a:3,b:4}))

Variable
訓練模型時，通常都會使用變數來儲存或是更新參數，主要都是用在weight跟bias部份，當初使化的時候，要把一個張量當作初始值傳入

import tensorflow as tf
b=tf.Variable(tf.zeros([2]))
init_op=tf.global_variables_initializer()
with tf.Session() as sess:
    sess.run(init_op)
    print(sess.run(b))
以上的tf.global_variables_initializer()這一個函數的用意是對變數進行初始化，然後再透過Session.run()來進行操作，以下就是輸出結果
imgur

train.Saver
會創建一個二進制文件，然後將變數名和tensor值儲存起來，首先要先透過以下的code來建立一個管理模型中的變數的Saver

saver = tf.train.Saver()
然後再透過下列的code把那些變數儲存到相對應的名稱及位置

saver.save(sess, 'model.ckpt')