Tensorflow之深度学习---第一天

tensorflow基本介绍

0.12版本tensorflow可以可视化，像web界面一样，好用。

安装Tensorflow

Tensorflow框架使用GPU很简单，只需要一行代码就可以搞定，不像之前要部署代码，需要一大堆配置文件，这里若你本地有一个GPU设备，在你的程序中指定一行代码，就可以了，就会自动用GPU计算这部分内容了。

安装Tensorflow

可以安装不带GPU版本的Tensorflow或者带GPU版本的Tensorflow都可以的。

01tensorflow图的结构

分析Tensorflow框架数据流图结构的思想

图

整个框架思想就是数据流动。在图的整个结构里面进行运算流动等。
拿到特征数据用算法进行计算即可，这个计算没有向网页等请求数据，所以Tensorflow大多数是计算密集型的。





所以定义一张图实际就是分配一块内存。会话就是在这个分配的内存中进行操作的。


也可以单独分配另外一块内存，创建并存储另一个图结构。

可以再单独分配一块内存，存储另外一个图结构即程序，





如Session是一个op，但他里面不是tensor，而定义的constant，的确是一个op，这个op里面装的是一个数据如11，这个数据就是tensor类型。所以基本所有操作都是op，张量其实就是指里面的数据。如a实际就是一个数据，打印并没有打印出来，只是打印了他的类型，所以一般计算用的数据就是tensor去计算的。即op只是一个载体，tensor相当于是一个被载物体。

会话

前端这些API写好图结构后，会话就要解析这些图结构，解析之后要运算，这里运算有很多设备：如安装GPU后有很多设备，我们可以指定设备，这个活就是会话干的。





定义了这些结构或资源，他们与图是绑定的，即会话只能使用一张图，即只能使用这张图中的资源，开启或释放这张图中的资源。

run掌握资源，在整个程序结束后与线程一样，需要回收，所以会话也需要回收的，即close释放，这样麻烦，所以有上下文管理器with，执行结束后，会默认调用close执行结束。
config作用是可以知道这张图中定义的所有的资源，或者是张量以及op操作，以及add操作，在哪里运行，默认都在本机里面的CPU上运行，即add与constant操作都在CPU0中进行的，可以看到某些运算是在哪个设备上运行的。

这种交互式在调试时候方便，不必要每次都实例化会话并run了。

会话的run方法

说明sum2被重载成tensor类型了。


数值不确定，运行时候可以提供。实时训练时候用。




run主要是运行图的一些结构，主要是op。运行好后结果就有了。


比如数据从文件中去读，可以一次性读100个数据，给他训练，此时可以用placeholder了。

张量的定义以及数据

如在numpy中将一维reshape成二维，即就新生成一个二维的张量数据。

运算API介绍

方差越小，分布宽度越窄，否则越宽。