tensorflow 学习笔记（一）

1.tensorflow 程序主要分为三个部分

（1）import 将要使用的库

（2）创建计算图

（3）通过会话执行计算图

2.import os

os.environ['TF_CPP_MIN_LOG_LEVEL']='2'

该语句可以忽略警告以及级别更低的输出

3. 

我们可以使用 tf.device() 指定模型运行的具体设备，可以指定运行在GPU还是CUP上，以及哪块GPU上。

如果安装的是GPU版本的tensorflow，机器上有支持的GPU，也正确安装了显卡驱动、CUDA和cuDNN，默认情况下，Session会在GPU上运行：

使用 tf.device('/gpu:1') 指定Session在第二块GPU上运行：

4.

tensorflow中支持三种类型的张量

（1）常量：值不能改变的张量

#声明标量常量
t_1=tf.constant(4)
#声明向量常量
t_2=tf.constant([4,3,2])
#创建特殊矩阵
t_3=tf.zeros([2,3],tf.dtype)  #全为0
t_4=tf.ones([2,3],tf.dtype)   #全为1
t_5=tf.ones_like(t_3)  #以已存矩阵（numpy或者张量都可）的规格类型定义
#创建特殊序列
r_1=tf.linspace(start,stop,num)  #生成一个从start到stop的等差序列，个数为num个
r_2=tf.range(start,limit,delta)  #生成一个从start（默认为0）到limit的增量序列，增量为detal（默认为1）
#创建不同分布的随即张量
t_random=tf.random_normal([2,3],mean=2.0,stddev=4,seed=12)  #创建一个均值为2标准差为4形状为[2,3]的正态随机分布
t_random=tf.truncated_normal([1,5],mean=2.0,stddev=4,seed=12) #创建一定均值标准差形状的截断正太分布随机数组
t_random=tf.random_uniform([],minval=3,maxval=5,dtype=tf.float32) #创建一个矩阵，矩阵中的数在minval到maxval之间时均匀分布的
#随即裁剪张量
tf.random_crop(t_random,[2,5])
#随机打乱张量顺序（按照第一维度）
tf.random_shuffle(t_random)
#张量种子，设置参数seed，是的每次运行产生的随机数相同
tf.set_random_seed(n)  #当使用大量的随即张量时，用此函数设置种子，使得每次产生的随机数相同

（2）变量：当一个量在会话中的值需要更新的时候，使用变量来表示

#创建变量类创建变量
rand_t=tf.random_uniform([50,50],0,10,seed=0)
t_a=tf.Variable(rand_t)
#用变量来定义变量
w_1=tf.Variable(t_a,name="w2")   #name参数可以给计算图中定义的变量命名
#显式初始化所有变量
i_p=tf.global_variables_initializer()
#保存变量
saver=tf.train.Saver()

（3）占位符：在构建计算图时不需要正真的输入数据，在会话中运行计算图时可以为占位符赋值。

x=tf.placeholder(dtype,shape=None,name=None)
y=2*x
data=tf.random_uniform([4,5],10)
with tf.Session() as sess:
    x_data=sess.run(data)
    print(sess.run(y,feed_dict={x:x_data}))

注：所有的张量在创建计算图时定义，但是如果在定义时print，只会得到张量的信息，不是值