tenorflow学习--21个项目入门深度学习

tensorflow计算流程

定义计算图（包括变量和占位符表示的数据），使用会话执行定义好的运算图，会话用run()函数传入最终被计算的节点，tensorflow会自动计算剩下所依赖的节点（每一个节点代表一个操作，属性用张量来表示），使用完会话后，需要关闭会话，避免造成资源泄露。

一、加载数据

Tensorflow 数据读取有三种方式：

• Preloaded data: 预加载数据
• Feeding: 用占位符表示数据，启动session时再把数据喂给后端
• Reading from file: 从文件中直接读取

优缺点
1、预加载：将数据直接内嵌到Graph中，再把Graph传入Session中运行。当数据量比较大时，Graph的传输会遇到效率问题。
2、用占位符替代数据，待运行的时候填充数据。
3、前两种方法很方便，但是遇到大型数据的时候就会很吃力，即使是Feeding，中间环节的增加也是不小的开销，比如数据类型转换等等。最优的方案就是在Graph定义好文件读取的方法，让TF自己去从文件中读取数据，并解码成可使用的样本集。

1、从文件中直接读取

1先创建文件队列

filename_queue = tf.train.string_input_producer(filenames)

2再创建内存队列

threads = tf.train.start_queue_runners(sess=sess)

文件队列，通过tf.train.string_input_producer()函数来创建，文件名队列不包含文件的具体内容，只是在队列中记录所有的文件名，所以可以在这个函数中对文件设置多个epoch，并对其进行shuffle。这个函数只是创建一个文件队列，并指定入队的操作由几个线程同时完成。真正的读取文件名内容是从执行了tf.train.start_queue_runners()开始的，start_queue_runners返回一个op，一旦执行这个op，文件名队列就开始被填充了

2、先产生数据，再把数据喂给后端

流程：打开一个session --> 喂数据 --> 计算y （先定义图，数据用占位符表示，数据在调用session时