Python深度学习：TensorFlow基础概念与入门示例

正文

TensorFlow使用张量（Tensor）这一数据结构来存储和处理所有数据。

一阶张量用于表示向量，例如 v = [1.2, 2.3, 3.5]；二阶张量用于表示矩阵，例如 m = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]。张量的阶数可以通过方括号嵌套的层数来判断。

1、编辑器

编写TensorFlow代码本质上是编写Python文件。建议选用合适的代码编辑器，若习惯使用vim或gedit也可继续。鉴于已安装Anaconda，推荐使用其自带的Spyder编辑器，其操作界面与Matlab相似，且支持在右上角实时查看变量值，因此推荐使用。启动方式简单，只需在终端输入spyder即可。

2、常量

通常使用以下语句引入TensorFlow：

import tensorflow as tf

在后续文章中，将直接使用tf作为TensorFlow的缩写。

在TensorFlow中，定义常量需使用以下语句：

a=tf.constant(10)

上述代码定义了一个值为10的常量a。

3、变量

变量需通过Variable定义，且必须进行初始化，例如：

x=tf.Variable(tf.ones([3,3]))
y=tf.Variable(tf.zeros([3,3]))

上述代码分别定义了一个3x3的全1矩阵x和一个3x3的全0矩阵y，其中0和1为初始值。

变量定义完成后，必须显式执行初始化操作，即在代码后添加：

init=tf.global_variables_initializer()

此步骤不可省略，否则会导致错误。

示例：自定义一个拉普拉斯算子W变量：

import tensorflow as tf
import numpy as np
x=np.array([[1,1,1],[1,-8,1],[1,1,1]])
w=tf.Variable(initial_value=x)
sess=tf.Session()
sess.run(tf.global_variables_initializer())
print(sess.run(w))

4、占位符

若某些变量在定义时未知其具体值，无法直接初始化，该如何处理？

此时可使用占位符（Placeholder）预留位置，例如：

x = tf.placeholder(tf.float32, [None, 784])

需指定变量的数据类型和形状（shape），后续通过feed方式输入具体数值。

5、图（Graph）

若将以下Python语句转换为TensorFlow语句，应如何编写？

x=3
y=2
z=x+y
print(z)

定义两个变量并将两数相加输出结果。若在TensorFlow中直接按上述Python方式编写则是错误的。x、y、z分别为三个tensor对象，对象间的运算称为操作（op）。TensorFlow不会逐条执行各个操作，而是将所有操作放入计算图（graph）中，图中每个节点代表一个操作。随后，将整个graph的计算过程交给TensorFlow的Session，该Session可运行整个计算过程，相比逐条执行操作（operations）效率更高。

执行代码如下：

import tensorflow as tf
x = tf.Variable(3)
y = tf.Variable(5)
z=x+y
init =tf.global_variables_initializer()

with tf.Session() as sess: 
sess.run(init) 
print(sess.run(z))

其中sess.run()用于执行计算，注意需先执行变量初始化操作，再执行运算操作。

Session需先创建，使用完毕后应释放。因此建议使用with...as..语句，由系统自动释放资源。

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}))

此处使用feed_dict以字典形式向多个变量输入值。

例子3：矩阵乘法

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)

也可改写为

product=tf.matmul(tf.mul(5.0,a),tf.mul(4.0,b))

定义变量时若未指定数据类型，默认使用float32，因此结果为5.0而非整数5。

以上就是Python深度学习TensorFlow入门基础教程示例的详细内容，更多关于Python深度学习TensorFlow基础的资料请关注本站其它相关文章！