Deep Learning——TensorFlow结构分析

1、TensorFlow程序通常被组织成一个构建图阶段和一个执行图阶段

在构建阶段，数据与操作的执行步骤被描述成一个图；在执行阶段，使用会话执行构建好的图中的操作。

• 图和会话
  • 图（静态的）：定义了数据和操作
    • 这是TensorFlow将计算表示为指令之间的依赖关系的一种表示法
  • 会话（动态的）：TensorFlow跨一个或多个本地或远程设备运行数据流图的机制
• 张量：TensorFlow中的基本数据对象
• 节点：提供图当中执行的操作

2、两个阶段的介绍

1. 构建图阶段
   • 流程图：定义数据（张量Tensor）和操作（节点Operation）
2. 执行图阶段
   • 调用各方资源，将定义好的数据和操作运行起来

注：数据是由张量定义的，操作是由节点定义的。整个从构建到执行的过程就构成一个数据流图

3、案例分析

import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

def tensorflow_demo():
    '''
    TensorFlow 加法操作
    :return:
    '''
    a = 10
    b = 20
    c = a + b
    print("c=", c)
    
    # 构建图的过程
    a_t = tf.constant(10)
    b_t = tf.constant(20)
    c_t = tf.add(a_t, b_t)
    print("tensorflow add:", c_t)

    #start session，执行图的过程
    with tf.compat.v1.Session() as sess:
        sum_t = sess.run(c_t)
        print("sess sum_t: ", sum_t)
    return None

if __name__ == '__main__':
    tensorflow_demo()

4、问题

（1）解决办法

该问题是：CPU本身是支持一些指令的，该指令适合一些线性代数的操作，会对其进行加速，但是安装使用pip install的方式，所以加速就没有用起来，如果需要加速，就需要源码安装（GitHub），至此之后该警告就会消失

如果没有进行源码安装的话，还想着去掉这个警告，就需要导入os库：

import os
#修改日志的等级
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'