斯坦福大学:Tensorflow最通俗易懂的入门教程「强烈推荐」

TensorFlow与机器学习 徐 自远 917℃

TensorFlow哲学

separates definition of computations from their execution

对定义计算,计算的执行,做了分离。

人工智能,目前尤其火热,那么深度学习无疑是最火热的,包括,图像处理,自然语言处理,那么最好的框架是谁?

Tensorflow 已经是目前最好的深度学习框架,甚至没有之一。如何入门,请看本文。

01

Tensor是什么?

Tensor是一个 n 维数组:

  • 0-d tensor: scalar (标量)
  • 1-d tensor: vector (向量)
  • 2-d tensor: matrix(矩阵)
  • 等等

02

数据流图

以上就是数据流图。


下面从最简单的图开始:

import tensorflow as tf

a = tf.add(3, 5)

通过TensorBoard进行可视化:

为什么是 x, y ?

TF 自动地命名节点,当我们没有显示地指定节点名称时,

x = 3

y = 5

接下来,我们打印 a,看看发生什么:

print (a)

Tensor(“Add:0”, shape=(), dtype=int32)

图graph只是定义了操作operations , 如何得到a的值?

03

执行环境:Session

创建一个Session,并在这个Session中执行上面的图,抓取到 a 的值。

创建sess,并在当前的sess中执行图:

with tf.Session() as sess:

print(sess.run(a))

Session对象,封装了TF的执行环境。大家如果开发过多线程,分布式软件的话,对于Session的理解可能更容易些,Session尤其对于高并发环境,并行计算显得更重要。

记住

图graph只是定义了操作operations,但是操作operations只能在session里面执行,但是graph和session是独立创建的。

04

Tensorboard入门

以windows下的使用Tensorboard为例,如果在Linux系统下,请在个别地方做出修改。

首先,必须在终端启动tensorboard,如果采用anaconda安装地话,在目录Anaconda3Scripts下有个启动项: tensorboard.exe,这就是tensorboard的服务端。在cmd窗口,cd 到这个目录。

然后,编写tensorboard,代码:

import tensorflow as tf

with tf.name_scope(‘input1′):

input1 = tf.constant(3.0,name=’input1’)

with tf.name_scope(‘input2′):

input2 = tf.constant(5.0,name=’input2′)

output = tf.add(input1,input2,name=’add’)

with tf.Session() as sess:

output = sess.run(output)

graph = tf.get_default_graph()

#将日志文件写入到目录../log/下

writer = tf.summary.FileWriter(‘log’,graph)

writer.close()

这样在log文件夹下,增加了一个event文件,

再在终端,输入 tensorboard.exe –logdir = 刚在生成的log文件夹的绝对路径,回车,这样服务端就启动了,

接下来,启动客户端,即浏览器,输入localhost:6006,端口是6006,选中graphs,得到如下的可视化图:

斯坦福大学:Tensorflow最通俗易懂的入门教程「强烈推荐」 | 点击链接查看 → http://t.zijieimg.com/XTEMf/

转载请注明:徐自远的乱七八糟小站 » 斯坦福大学:Tensorflow最通俗易懂的入门教程「强烈推荐」

喜欢 (1)

苏ICP备18041234号-1 bei_an 苏公网安备 32021402001397号