1.什么是Tensorflow
Tensorflow是Google 开发的,一个用于机器学习,特别是深度学习的一个Python框架(也支持其他语言)。与Tensorflow类似的框架非常多,但Tensorflow的是目前是最流行的深度学习框架。
2.学习Tensorflow之前
总结3条学Tensorflow之前必备技能,就3条
- 一定的python基础,不需要特别精通,但是基本语法要知道。
- 有一定的机器学习,特别是深度学习的知识,不然你学Tensorflow干嘛。
- 会用搜索引擎,勇于阅读官方文档(虽然是Google的,但墙内有官方镜像,真是良心- https://tensorflow.google.cn/,不过搜索引擎最好用什么,你懂的)
3.Tensorflow原理
这个可能是困扰初学者最多的地方,Tensorflow不像Python中变量赋值、计算、结果可以立即输出。Tensorflow首先要构造计算图谱(graph),然后再在Session 中计算。 数据(Tensor)在计算图谱中流动(Flow),就完成了计算,所以这个框架就叫做Tensorflow。
比如在Python中: c 可以立即输出3,然而在tensorflow中, c只是表示 a+b 的一个计算图谱: 一定要在Session() 中运行,就可以得到我们想要的结果: with ... 后面那一堆可以理解成一个固定套路,运行tensorflow必须使用这一步。3.Tensorflow的常见数据类型
3.1 Constant (常量)
这个很好理解,就是固定的数值,定义如下
tf.constant()
当然,注意当你想定义一个多维矩阵的时候,要先定义一个一维向量,然后再定义其Shape,比如想定义2x2矩阵:
[[1 2]
[3 4]]
需要这样
tf_const = tf.constant([1,2,3,4],shape=(2,2))
当然tensorflow中有非常有用的,用于快速定义:全0的,全1的,随机正态分布(random normal)的,以及随机均匀分布(random uniform)的Tensor
my_ones = tf.ones((2,2))
my_zeros = tf.zeros((2,2))
my_rand = tf.random_normal((2,2))
my_randuni = tf.random_uniform((2,2),minval=10,maxval=20)
3.2 Variable(变量)
Tensorflow的变量的定义和使用都比较特殊。
- 首先,变量需要定义一个初始值,初始值可以是之前定义tf.constant,也可以用tf.ones 和 tf.random_normal等生成。
a = tf.Variable(tf_const)
b = tf.Variable(tf.ones((2,2)))
- 其次,计算variable的时候需要先初始化,这里要比constant多一个步骤
init = tf.global_variables_initializer()
*最后在Session中记得run这个init就可以了
with tf.Session() as sess:
sess.run(init)
print(sess.run(a+b))
可以看到输出的数值就是a+b的值了
和Python中的变量一样,变量的数值是可以改变的,比如,我们先让a=a+b,再进行a+b的运算,就可以得到
3.3 Placeholder
Placeholder在Tensorflow中有特殊用途,顾名思义就是一个占位变量,在计算图谱中先占一个位置,在run session的时候再通过feed_dict赋值。
定义Placeholder非常简单,可以不用设置初始值,但一定要指定数据类型。
c = tf.placeholder(dtype=tf.float32)
当然我们可以定义一个python变量以方便在计算的时候赋值,feed_dic是支持phtyon和numpy的变量,但是不支持tensorflow的变量,这里需要注意。
d = [1,2,3,4]
最后在Session中我们通过feed_dic赋值并计算就可以啦
4.尾巴
知道以上三条,就可以用Tensorflow来做矩阵计算啦,是不是特别简单。
网友评论