【学习笔记】TensorFlow学习笔记（C语言中文网教程）

一、基础

学习资料：TensorFlow教程：TensorFlow快速入门教程

1. Hello world！

练习源码：

import tensorflow as tf

message = tf.constant('Hello world!')
with tf.Session() as sess:
    # print(sess.run(message).decode())
    print(sess.run(message))

• 输出信息：
  
  提示TensorFlow代码可以以更快的速度运行（需通过源码安装），若想要屏蔽提示信息，可以在代码中加入以下内容：

  import os
  os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
  

  这段代码的作用是忽略级别 2 及以下的消息（级别 1 是提示，级别 2 是警告，级别 3 是错误）。
• .decode() 作用：
  print 函数向 stdout 输出的结果是

  b'Hello world'
  

  b表示字节（byte），而decode操作删除字符串引号和“b”只保留单引号内的内容。

2. TensorFlow程序结构

• 核心思想：
  程序结构分为两部分：计算图的定义和执行。
• 定义过程只定义变量名和建立网络结构，可以不进行赋值。
• 执行方式：

  with tf.Session() as sess:
  	print(sess.run(v1_add_v2))
  

  或者是

  sess = tf.Session()
  print(sess.run(v1_add_v2))
  sess.close()
  

  其中，v1_add_v2代表要被执行的操作。
• sess.run() 一次可以提取一个或多个张量或操作对象.

3. 常量、变量、占位符

• tf.linspace输出包含终值；且输出含浮点数时，表达式中也应使用浮点数。
• tf.range输出不包含终值。
• seed()作用：相同的种子生成的（伪）随机数相同，系统默认根据时间来自己选择种子。
• tf.truncated_normal()：在±2σ处截断（超过则重新生成）。
• tf.random_crop随即剪裁
• tf.random_shuffle随机排列
• 变量初始化：tf中必须显式初始化所有声明变量
  • 方法①：返回一个初始化所有全局变量的操作（Op）

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

  • 方法②

    with tf.Session() as sess:
    	print(sess.run(tv1.initializer))
    

• tf.placeholder定义占位符时必须指定数据类型。
• 需要大规模的常量张量对象时，为优化内存，将它们声明为一个可训练标志设置为 False 的变量：

  t_large = tf.Varible(large_array,trainable = False)
  

• 所有的 TensorFlow 数据类型都是基于 Numpy 的，使用 tf.convert_to_tensor() 可以将给定的值转换为张量类型。
• 与 Python/Numpy 序列不同，TensorFlow 序列不可迭代。例如：

  for i in tf.range(10)
  

  将会报错

  # typeError("'Tensor'object id not iterable.")