tensorflow基础

参考文件：tensorflow模型持久化保存和加载https://blog.csdn.net/dcrmg/article/details/80055078
示例讲解 y=weight*x+bias
一。变量
1、定义变量
在 Tensorflow 中，定义了某字符串是变量，它才是变量，这一点是与 Python 所不同的。
定义语法： state = tf.Variable().如果你在 Tensorflow 中设定了变量，那么初始化变量是最重要的！！
所以定义了变量以后, 一定要定义 init = tf.global_variables_initializer().
到这里变量还是没有被激活，需要再在 sess 里, sess.run(init) , 激活 init 这一步.
2、运行语句
Session 是 Tensorflow 为了控制,和输出文件的执行的语句. 运行 session.run() 可以获得你要得知的运算结果, 或者是你所要运算的部分

二、模型的保存和载入
1## 保存
模型保存实际上就是tensorflow中变量的保存。函数为
saver = tf.train.Saver() #定义保存参数的saver（一般写在初始化函数后边就行，无要求）
最后还要保存模型参数
save_path = saver.save(sess,"./model/model.ckpt",global_step=step)(这里是例子中的具体参数，因事而异）
tf.train.Saver()默认是操作所有变量，也可指定只对部分变量保存
2## 载入
就是将save操作中保存的文件重新装载到tensorflow中。
restore（）
（这一步要与保存的变量保持一致）
位置与save_path = saver.save(sess,"./model/model.ckpt",global_step=step差不多
saver.restore(sess,""./model/model.ckpt")

三指定GPU设备
暂未看

四 ** placeholder读取数据**

五、tensorboard数据可视化
主要通过设置写入文件代码行：
summary_writer=tf.summary.FileWriter(’./calc_graph’)括号内为保存文件路径名称，可自定义（书上写了好几行，其实没必要，这一行即可，实测有效）
运行完代码后，在终端通过tensorboard --logdir calc_graph显示连接地址
打开链接即可数据可视化

六 name_scope和variable_scope对variable和get_variable的影响
参考https://blog.csdn.net/lucky7213/article/details/78967306
分析很详细
总结就是：
[1]. name_scope 对 get_variable新建变量的name属性无影响；对variable新建变量的name属性增加了“范围”标识。

[2]. variable_scope对get_variable新建变量的name属性和variable新建变量的name属性都增加了“范围”标识。

[3]. get_variable新建变量如果遇见重复的name则会因为重复而报错。

[4]. variable新建的变量如果遇见重复的name则会自动修改前缀，以避免重复出现。
七 baselines
baselines：简单说就是是一个openai的开源项目，实现语言为python3，实现了当前强化学习的一些经典算法，并将算法与gym相结合。类似于gym实现了环境功能，baselines实现agent相关功能。