tensorflow-基礎語法
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.Variable(tf.ones([3,3]))
y=tf.Variable(tf.zeros([3,3]))
分別定義了一個3x3的全1矩陣x，和一個3x3的全0矩陣y，0和1的值就是初始化。
變數定義完後，還必須顯式的執行一下初始化操作，即需要在後面加上一句：
init=tf.initialize_all_variables()
這句可不要忘了，否則會出錯。
4. 佔位符
5. 變數在定義時要初始化，但是如果有些變數剛開始我們並不知道它們的值，無法初始化，那怎麼辦呢？
6. 那就用佔位符來佔個位置，如：
x = tf.placeholder(tf.float32, [None, 784])
指定這個變數的類型和shape，以後再用feed的方式來輸入值。
5. 圖(graph)
6. 如果把下面的python語句改在tf語句，該怎麼寫呢：
x=3
y=2
z=x+y
print(z)
定義兩個變數，並將兩個數相加，輸出結果。如果在tf中直接像上面這樣寫，那就錯了。x,y,z分別是三個tensor對象，對象間的運算稱之為操作(op), tf不會去一條條地執行各個操作，而是把所有的操作都放入到一個圖(graph）中，圖中的每一個結點就是一個操作。然後行將整個graph的計算過程交給一個TensorFlow的Session,此Session可以運行整個計算過程，比起操作(operations)一條一條的執行效率高的多。
執行代碼如下：
import tensorflow as tf
x = tf.Variable(3)
y = tf.Variable(5)
z=x+y
init = tf.initialize_all_variables()
with tf.Session() as sess:
sess.run(init)
print(sess.run(z))
其中sess.run()即是執行，注意要先執行變數初始化操作，再執行運算操作。
Session需要先創建，使用完後還需要釋放。因此我們使用with...as..語句，讓系統自動釋放。
例子1：hello world
import tensorflow as tf
word=tf.constant('hello,world!')
with tf.Session() as sess:
print(sess.run(word))
例子2：加法和乘法
import tensorflow as tf
a = tf.placeholder(tf.int16)
b = tf.placeholder(tf.int16)
add = tf.add(a, b)
mul = tf.mul(a, b)
with tf.Session() as sess:
print('a+b=',sess.run(add, feed_dict={a: 2, b: 3}))
print('a*b=',sess.run(mul, feed_dict={a: 2, b: 3}))
此處使用feed_dict以字典的方式對多個變數輸入值。
例子3：矩陣乘法
import tensorflow as tf
a=tf.Variable(tf.ones([3,2]))
b=tf.Variable(tf.ones([2,3]))
product=tf.matmul(5*a,4*b)
init=tf.initialize_all_variables()
with tf.Session() as sess:
sess.run(init)
print(sess.run(product))
其中
product=tf.matmul(5*a,4*b)
也可以改成
product=tf.matmul(tf.mul(5.0,a),tf.mul(4.0,b))
定義變數時，沒有指定資料類型，則默認為float32，因此是5.0而不是5
再看一個實例：
#coding:utf-8
import tensorflow as tf
# 創建一個變數state，初始值是0，名稱是counter
state = tf.Variable(0, name='counter')
# 定義常數 one
one = tf.constant(1)
# 定義加法步驟 (注: 此步並沒有直接計算，再調用時才計算)
new_value = tf.add(state, one)
# 將 State 更新成 new_value
update = tf.assign(state, new_value)
init = tf.initialize_all_variables()
with tf.Session() as sess:
sess.run(init)
print sess.run(state)
print "第一次列印"
for _ in range(3):
sess.run(update)
print(sess.run(state))
print(sess.run(one))
輸出結果是：
0
第一次列印
1
1
2
1
3
1
留言
張貼留言