深度学习启蒙-02

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)