TensorFlow 1.x Tutorial notebook - 以神经网络为例

写在前面：Google在2019年发行了TensorFlow 2，这个版本借用了Keras的一些语法，与TensorFlow 1有一些不同。该Tutorial是在TensorFlow 1环境中以Jupyter Notebook来进行的。

该Tutorial是参照Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optimization的TensorFlow编程作业来完成的。

1 TensorFlow 1.x的安装和使用

首先需要注意两点，1）TensorFlow 1.x版本是分CPU和GPU版本的，2）TensorFlow 1.x的Python 3版本是一定要在Python 3.5-3.7之间，低了高了都不行。

1.1 安装

1. 通过Conda来创建包含Python 3.7的名为tf1的虚拟环境
   conda create -n tf1 python=3.7
2. 激活tf1虚拟环境
   Conda activate tf1
3. 升级pip版本 （由于安装的是Python 3.7版本，该步可省略）
   pip install —upgrade pip
4. 安装TensorFlow 1.15版本（这是1.x的最后一个版本）
   pip install tensorflow==1.15
5. 验证是否安装成功
   python -c “import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))”

详细的安装要求和过程可以参考官网: https://www.tensorflow.org/install/pip

1.2 使用

使用TensorFlow 1.x来编写和运行程序时，一般需要以下五个步骤：

1. 创建Tensors (即变量)
2. 编写Tensors之间的运算方法
3. 初始化Tensors
4. 创建一个Session
5. 运行Session

y_hat = tf.constant(36, name=‘y_hat’)
y = tf.constant(39, name=‘y’)

loss = tf.Variable((y - y_hat)**2, name=‘loss’)

init = tf.global_variables_initializer()

with tf.Session() as session:
    session.run(init)
    print(session.run(loss))

如果不创建Session并运行这个Session的话，会得不到期望的结果，而是一个空的Tensor: (tf.Variable ‘loss_1:0’ shape=() dtype=int32)
因为All you did was put in the ‘computation graph’, but you have not run this computation yet.

placeholder

另外一种定