0.TensorFlow的两个主要依赖包:Protocol Buffer、Bazel。
1.序列化:将结构化的数据持久化或者进行网络传输时,需要进行序列化。
2.Protocol Buffer:谷歌开发的处理结构化数据的工具。
|- 类比:类似 XML、JSON。
原始数据:
name:张三
id:12345
email:zhangsan@abc.com
XML:
<user>
<name>张三</name>
<id>12345</id>
<email>zhangsan@abc.com</email>
</user>
JSON:
{
"name": "张三"
"id": "12345"
"email": "zhangsan@abc.com"
}
Protocol Buffer:
message user{
optional string name = "张三";
required int32 id = 12345;
repeated string email = "zhangsan@abc.com";
}
Protocol Buffer与XML的区别:
|- 序列化之后的数据比XML的要小3到10倍
|- 序列化速度比XML快20到100倍
|- 反序列化时需要数据的格式信息(schema),而XML或JSON不需要。
message属性修饰符:required 必须的(Protocol Buffer3中已取消了该类型),optional 可选的,repeated 可重复的。
message属性:可以是基本数据类型如布尔型,整数型,实数型,字符型,也可以是其他message。
3.分布式TensorFlow的通讯协议gRPC:以Protocol Buffer为基础。
4.Bazel:谷歌开源的自动化构建(编译)工具。
Bazel在谷歌的作用:负责编译绝大多数谷歌的内部应用。
workspace:Bazel的一个基本概念。可以理解为一个文件夹,包含:
|- 源代码
|- 主程序代码
|- 功能程序(被调)代码
|- WORKSPACE代码:描述外部依赖关系
|- BUILD代码:定义编译目标。目标可选的编译方式为:py_binary、py_library和py_test。
|- 编译结果的软连接(symbolic link)地址
一个workspace可以包含一个应用或多个应用。
5.安装并运行TensorFlow,进入交互环境(这里采用docker方式,操作系统为centos7)
docker run -it tensorflow/tensorflow:1.4.0 /bin/bash
6.执行测试范例
>>> import tensorflow as tf
>>> a = tf.constant([1.0,2.0], name="a")
>>> b = tf.constant([2.0,3.0], name="b")
>>> result = a + b
>>> sess = tf.Session()
2018-11-08 07:24:51.866562: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
>>> sess.run(result)
array([3., 5.], dtype=float32)