TENSORFLOW

1、Tensor
（1）有两个属性：dtype和shape
（2）printTensor只能输出属性和形状，输出值要用Session

2、数据流图(Dataflow Graph)
数据流是一种常用的并行计算编程模型，数据流图是由节点(nodes)和线(edges)构成的有向图。
在 TensorFlow 中，每个节点都是用 tf.Tensor的实例来表示的，即每个节点的输入、输出都是Tensor

3、构建计算图

import tensorflow as tf
# 创建两个占位 Tensor 节点
a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)
# 创建一个 adder 节点，对上面两个节点执行 + 操作
adder_node = a + b
# 打印三个节点
print(a)
print(b)
print(adder)
# 运行一下，后面的 dict 参数是为占位 Tensor 提供输入数据
sess = tf.Session()
print(sess.run(adder, {a: 3, b: 4.5}))
print(sess.run(adder, {a: [1, 3], b: [2, 4]}))

4、模型
（1）构造

import tensorflow as tf

# 创建变量 W 和 b 节点，并设置初始值
W = tf.Variable([.1], dtype=tf.float32)
b = tf.Variable([-.1], dtype=tf.float32)
# 创建 x 节点，用来输入实验中的输入数据
x = tf.placeholder(tf.float32)
# 创建线性模型
linear_model = W * x + b

# 创建 y 节点，用来输入实验中得到的输出数据，用于损失模型计算
y = tf.placeholder(tf.float32)
# 创建损失模型
loss = tf.reduce_sum(tf.square(linear_model - y))

# 创建 Session 用来计算模型
sess = tf.Session()

# 初始化变量
init = tf.global_variables_initializer()
sess.run(init)

# 创建一个梯度下降优化器，学习率为0.001
optimizer = tf.train.GradientDescentOptimizer(0.001)
train = optimizer.minimize(loss)

# 用两个数组保存训练数据
x_train = [1, 2, 3, 6, 8]
y_train = [4.8, 8.5, 10.4, 21.0, 25.3]

# 训练10000次
for i in range(10000):
    sess.run(train, {x: x_train, y: y_train})

# 打印一下训练后的结果
print('W: %s b: %s loss: %s' % (sess.run(W), sess.run(
    b), sess.run(loss, {x: x_train, y: y_train})))

原文链接：https://blog.csdn.net/geyunfei_/article/details/78782804

一些bug记录

1、昨天改bert 一直报错说TypeError: unhashable type: ‘numpy.ndarray’
查了半天之后才明白 在session内定义了Input这个变量名字，在session外的占位符定义就不可以再重复了
参考这个帖子：http://t.zoukankan.com/ZT-SummerRain-p-9252673.html
2、np.array 啥子squence的 就是因为输入的array形状不一致
检查之后发现 是mask的时候最大长度出了错