文章仅用于记录个人TensorFlow学习的问题和自己的理解。
今天的歌如约而至
TensorFlow，Google的深度学习框架，本机使用版本为TensorFlow-gpu 1.6.0，Python 3.6.4。
那就开始吧_
如下图：graph（图）来表示计算任务，在Session（会话）中执行图。tensor表示数据，Variable（变量）用来维护状态，feed和fetch用来赋值和获取数据。一个TensorFlow程序分成两个阶段，一是构建阶段，二是执行阶段。构建阶段和执行阶段就好像煮米饭，构建就是把材料准备好，先把水米放在锅里，执行阶段就是点下开始按钮，开始煮米饭。
而在构建图阶段，图里的主要元素是op（operation），op和op相连接形成复杂的计算任务。TensorFlow有一个默认图，一般程序就使用默认图就可以了。自认为构建好的图就相当于把东西一个个摆好，形成网络结构。执行阶段中，则创建会话，将图放在会话中进行run（运行），则开始计算。具体的看下面链接啦。
自己画的图1
下面是我碰到的小问题：
问题1： 有关tf.sub()，tf中不存在sub().
这个问题很好解决，是因为TensorFlow的版本问题，sub()这个接口已经弃用了，改成了subtract()。
问题2：tf.add()报错[pylint] Module has no member add
有了前车之鉴，出现这个问题首先我就想是不是接口弃用了，然而并不是，搜的时候这个问题好像其他人并没有出现这个问题。后来连着[pylint]一起搜才找到，其实是pylint的问题。
Pylint---Python 代码分析工具，它分析 Python 代码中的错误，查找不符合代码风格标准和有潜在问题的代码。 Pylint 是一个 Python 工具，除了平常代码分析工具的作用之外，它提供了更多的功能：如检查一行代码的长度，变量名是否符合命名标准，一个声明过的接口是否被真正实现等等。 Pylint 的一个很大的好处是它的高可配置性，高可定制性，并且可以很容易写小插件来添加功能。如果运行两次 Pylint，它会同时显示出当前和上次的运行结果，从而可以看出代码质量是否得到了改进。 目前在 eclipse 的 pydev 插件中也集成了 Pylint。
出现这个问题的原因就是， 在当报错的对象是动态创建的，并且确实是在访问的同时已经存在的时候pylint仍然会报出E1101的错误 。
修改：在源码的第一行添加 # pylint: disable=no-member
参考博客
问题3：运行MINIST，无法导入input_data包。
原因：input_data是一个导入数据的工具包，所以需要在自己的项目下添加 input_data.py 的文件，然后才可以。源码我会一起放在github上。
貌似： from tensorflow.examples.tutorials.mnist import input_data 这样也可以，没有试验，看的人自行检验吧~
问题4：添加好了input_data，出现了 input_data.py only integer scalar arrays can be converted to a scalar 这个错误。
解决方案是将input_data.py下面函数：
def _read32(bytestream)：
dt = numpy.dtype(numpy.uint32).newbyteorder('>')
return numpy.frombuffer(bytestream.read(4), dtype=dt)
修改为：
def _read32(bytestream):
dt = numpy.dtype(numpy.uint32).newbyteorder('>')
return numpy.frombuffer(bytestream.read(4), dtype=dt)[0]
最后的结果：
结果图2
我的github
好啦~其实昨天我就把这些问题整理完了，不过是在公众号上，可惜公众号一刷新，什么都木有了，心痛到劈叉。
网友评论