Tensorflow 入门一 （安装配置，会话控制，变量常量，传入值）

Tensorflow：

TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，主要是深度神经网络模型。

也是一时兴起开始学习这玩意，走到哪，博客写到哪里，全当记录。

主要参考资料一方面是0.8.0版极客学院翻译版资料，另一方面是油管上周莫烦的视频资料（附上地址：https://www.youtube.com/user/MorvanZhou/featured）

安装配置：

因为不支持Windows系统，只能在Mac或Linux上使用，因此Windows系统可以装个VM虚拟机。

官网是提供了pip, Docker, Virtualenv, Anaconda 等多种方法安装TensorFlow，但是我只走了pip这一条路。

本人使用的是Ubuntu 64位版本，没有多少坑，直接跟着官网走就行（比以前搞得Xamarin，RN之类的要顺畅不知道多少倍），顺心不少。

0.8.0版本：

安装pip

python2.7版本：

# Ubuntu/Linux 64-bit
$ sudo apt-get install python-pip python-dev

python3.4版本：

# Ubuntu/Linux 64-bit
$ sudo apt-get install python3-pip python3-dev

安装TensorFlow

python2.7版本：

# Ubuntu/Linux 64-bit, CPU only, Python 2.7:
$ sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl

python3.4版本：

# Ubuntu/Linux 64-bit, CPU only, Python 3.4:
$ sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-cp34-cp34m-linux_x86_64.whl

0.11.0rc1版本：

安装pip和0.8.0版本一样，就不赘述了。

安装TensorFlow

python2.7

# Ubuntu/Linux 64-bit, CPU only, Python 2.7
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.11.0rc1-cp27-none-linux_x86_64.whl

python3.4

# Ubuntu/Linux 64-bit, CPU only, Python 3.4
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.11.0rc1-cp34-cp34m-linux_x86_64.whl

python3.5

# Ubuntu/Linux 64-bit, CPU only, Python 3.5
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.11.0rc1-cp35-cp35m-linux_x86_64.whl

最后统一调用

# Python 2
$ sudo pip install --upgrade $TF_BINARY_URL

# Python 3
$ sudo pip3 install --upgrade $TF_BINARY_URL

注意：

1.以上皆为CPU only版本，TensorFlow可以使用GPU启用版本为其运算加速，但我使用了VM虚拟机，又是GTX1070最新显卡，鬼知道会出什么岔子，因此没有用。

2.极客学院只针对了0.8.0版本进行翻译，没有之后版本的。

3.Ubuntu本身自带python3.5.2和2.7版本，不需要另行安装。

4.3Python3.5版本的TensorFlow至少0.9.0版本。

会话控制 Session：

TensorFlow中的Session主要用于执行命令，不管你前面做了什么，比如使用add()，mul()方法，相加也好，相乘也好，不执行Session().run()就不会执行相应的操作。

例子如下：

import tensorflow as tf

matrix1 = tf.constant([[3,3]]) #创建一行两列矩阵
matrix2 = tf.constant([[2],[2]]) #创建两行一列矩阵

product = tf.matmul(matrix1,matrix2) #矩阵乘法

#方法1
sess = tf.Session() 
result = sess.run(product) #启用Session().run()才算执行
print(result)
sess.close()

#方法2
with tf.Session() as sess:
	result2 = sess.run(product)
	print(result2)

方法1是常规的Session使用方法，方法2中可以看出，Session还支持Python中的上下文管理协议with。

变量 Variable 常量 constant：

TensorFlow中创建变量，虽不需要指出变量类型，但是要在创建时表明这个是变量。变量创建方法Variable()，常量创建方法constant()。

例子如下：

import tensorflow as tf

state = tf.Variable(0,name='counter') #初始值0，名字counter
print(state.name)
one = tf.constant(1) #常量

new_value = tf.add(state, one)
update = tf.assign(state, new_value) #new_value参数替换state

init = tf.initialize_all_variables() #初始化变量,变量才会起作用

with tf.Session() as sess:
	sess.run(init)
	for i in range(3): #循环执行sess.run()三次，累加三次
		sess.run(update)
		print(sess.run(state)) #不能直接输出state，必须使用sess.run(state)

传入值 placeholder：

可以从外界传入数值的方法，用placeholder保留一个数据的位置，之后可以在Session().run()的时候进行赋值。

例子如下：

import tensorflow as tf

#placeholder类似input
input1 = tf.placeholder(tf.float32) #需要保证placeholer的类型
input2 = tf.placeholder(tf.float32)

output = tf.mul(input1,input2) #乘法运算

with tf.Session() as sess:
	print(sess.run(output,feed_dict={input1:[7.],input2:p[2.]})) #以feed_dict形式传入数值