Tensorflow入门 - Day1:基础流程

1. Tensors

重要概念：

tensor: 张量，由从原始数据变换到任意维矩阵的集合。

rank： 秩，是tensor的维度

　　scalar标量的rank是0

Session：会话，在session的context中执行图

fetch：为操作取回数据，如果多个，放在[]组成array

feed_dict:提供数据，最常见是为placeholder提供

placeholder：占位，承诺后面会提供值

Variables：变量，初始时没有初始化，需要明确调用初始化操作：sess.run(tf.global_variables_initializer())

 

2. Tensorflow流程

可以认为tensorflow流程由两大部分组成：

1. 建立计算图流程

2. 跑计算图流程

计算图由一系列用node节点表示的操作算子组成，每一个node节点可以有0维或以上tensor输入，并且也生成一个tensor作为输出。常量constant节点没有输入，输出它存储的值。

node1 = tf.constant(3.0, dtype=tf.float32)
node2 = tf.constant(4.0) # also tf.float32 implicitly
print(node1, node2)
result： Tensor("Const:0", shape=(), dtype=float32) Tensor("Const_1:0", shape=(), dtype=float32)

如果要查看node节点的值，我们需要在session中跑run。session中封装了tensorflow控制和状态

　　sess = tf.Session()
　　print(sess.run([node1, node2])

Tensorflow流程：

1.  建立模型参数

2. 建立模型的输入和输出

3. 建立损失函数

4. 选择优化算子，如梯度下降等

5. 设置训练数据

6. 建立会话，进行训练

7.结束训练，输出模型参数

3. tf.contrib.learn

tf.contrib.learn库里面包含了很多机器学习算法，可以简化流程，它的流程如下：

1. 声明特征feature列表

2. 选择训练模型

3. 设置训练数据和评价数据，需要说明有多少组数据

epochs: ？An epoch means using the whole data you have

steps: ？ A step means using a single batch data

参考：https://stackoverflow.com/questions/43454004/what-is-the-difference-between-num-epochs-and-steps/43456311

4. 进行模型训练

5. 评价模型损失函数

 

转载于:https://www.cnblogs.com/richard-lulu/p/7069993.html