05.15 斯坦福大學：Tensorflow最通俗易懂的入門教程「強烈推薦」

TensorFlow哲學

separates definition of computations from their execution

對定義計算，計算的執行，做了分離。

人工智能，目前尤其火熱，那麼深度學習無疑是最火熱的，包括，圖像處理，自然語言處理，那麼最好的框架是誰？

Tensorflow 已經是目前最好的深度學習框架，甚至沒有之一。如何入門，請看本文。

01

—

Tensor是什麼？

Tensor是一個 n 維數組：

• 0-d tensor: scalar （標量）
• 1-d tensor: vector （向量）
• 2-d tensor: matrix（矩陣）
• 等等

02

—

數據流圖

以上就是數據流圖。

下面從最簡單的圖開始：

import tensorflow as tf

a = tf.add(3, 5)

通過TensorBoard進行可視化：

為什麼是 x, y ?

TF 自動地命名節點，當我們沒有顯示地指定節點名稱時，

x = 3

y = 5

接下來，我們打印 a，看看發生什麼：

print (a)

Tensor("Add:0", shape=(), dtype=int32)

圖graph只是定義了操作operations , 如何得到a的值？

03

—

執行環境：Session

創建一個Session，並在這個Session中執行上面的圖，抓取到 a 的值。

創建sess，並在當前的sess中執行圖：

with tf.Session() as sess:

print(sess.run(a))

Session對象，封裝了TF的執行環境。大家如果開發過多線程，分佈式軟件的話，對於Session的理解可能更容易些，Session尤其對於高併發環境，並行計算顯得更重要。

記住

圖graph只是定義了操作operations，但是操作operations只能在session裡面執行，但是graph和session是獨立創建的。

04

—

Tensorboard入門

以windows下的使用Tensorboard為例，如果在Linux系統下，請在個別地方做出修改。

首先，必須在終端啟動tensorboard，如果採用anaconda安裝地話，在目錄Anaconda3\\Scripts下有個啟動項: tensorboard.exe，這就是tensorboard的服務端。在cmd窗口，cd 到這個目錄。

然後，編寫tensorboard，代碼：

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()

#將日誌文件寫入到目錄../log/下

writer = tf.summary.FileWriter('log',graph)

writer.close()

這樣在log文件夾下，增加了一個event文件，

再在終端，輸入 tensorboard.exe --logdir = 剛在生成的log文件夾的絕對路徑，回車，這樣服務端就啟動了，

接下來，啟動客戶端，即瀏覽器，輸入localhost:6006，端口是6006，選中graphs，得到如下的可視化圖：