[深度学习] tensorflow 基础知识 01

前言

用tensorflow这样工具的原因是：它允许我们用计算图（Computational Graphs）的方式建立网络.
下面就是对计算图的直观讲解。

例如：

结构

计算图所建立的只是一个网络框架。在编程时，并不会有任何实际值出现在框架中。所有权重和偏移都是框架中的一部分，初始时至少给定初始值才能形成框架。因此需要initialization初始化。

用法及参数说明：

请类比管道构建来理解计算图的用法

构造阶段（construction phase）：

组装计算图（管道）

计算图（graph）：

要组装的结构。由许多操作组成。

操作（ops）：

接受（流入）零个或多个输入（液体），返回（流出）零个或多个输出。

数据类型：

主要分为张量（tensor）、变量（variable）和常量（constant）

张量：

多维array或list（管道中的液体）

创建语句：tensor_name=tf.placeholder(type, shape, name)

参数说明:
dtype: 数据类型
shape: 张量
name: 名称(可选参数)
例如:

x = tf.placeholder(float, shape=(1024, 1024))
变量：

在同一时刻对图中所有其他操作都保持静态的数据（管道中的阀门）

创建语句：name_variable = tf.Variable(value, name)
初始化语句：
个别变量
init_op=variable.initializer()
所有变量init_op=tf.initialize_all_variables()
注意：init_op的类型是操作（ops），加载之前并不执行更新语句：update_op=tf.assign(variable to be updated, new_value)
常量：

无需初始化的变量

创建语句：
name_constant=tf.constant(value)
执行阶段（execution phase）：

使用计算图（获取液体）

会话：

执行（launch）构建的计算图。可选择执行设备：单个电脑的CPU、GPU，或电脑分布式甚至手机。

创建语句：常规
sess = tf.Session()
交互
sess = tf.InteractiveSession()
交互方式可用tensor.eval()获取值，ops.run()执行操作关闭sess.close()

执行操作：使用创建的会话执行操作

执行语句：

sess.run(op)
送值（feed）：输入操作的输入值（输入液体）

语句：

sess.run([output], feed_dict={input1:value1, input2:value1})

取值（fetch）：获取操作的输出值（得到液体）
语句：

单值获取
sess.run(one op)
多值获取
sess.run([a list of ops])