Tensorflow基础

已于 2022-01-31 16:59:42 修改
阅读量529 收藏 3
点赞数
分类专栏： 深度学习 文章标签： tensorflow python 深度学习
于 2019-08-15 23:29:21 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhao_crystal/article/details/99662826
版权

目录

1. tensorflow介绍

1.1 tensorflow是什么

1.2 tensoeflow的特性

1.3 tensoeflow1.0

1.3.1 主要特性

1.3.2 tensoeflow1.0架构

1.4 tensoeflow2.0 

1.4.1 主要特性

1.4.2 tensoeflow2.0架构

2. Tensorflow Vs Pytorch

2.1 入门时间

2.1.1 Tensorflow1.*

2.1.2 Tensoeflow2.0

2.1.3 pytorch

2.2图创建和调试

2.2.1 tensorflow1.*

2.2.2 tensorflow2.* 与pytorch

2.3 全面性

2.4 序列化和部署

3. tensorflow的安装

3.1 mac 在anaconda 下安装tensorflow

（1）建立一个Tensorflow的运行环境

（2）设置国内镜像

（3）安装Tensorflow

（4）简单测试是否安装成功

（5）安装OpenCV

3.2 mac 在docker 下安装tensorflow

1. tensorflow介绍

Google的开源软件库

  • 采用数据流图，用于数值计算
  • 支持多种平台——GPU，CPU，移动设备
  • 最初用于深度学习，变得越来越通用

1.1 tensorflow是什么

数据流图

节点——处理数据

线——节点间的输入输出关系

线上运输张量

节点被分配到各种计算设备上运行

1.2 tensoeflow的特性

  • 高度的灵活性
  • 自动求微分
  • 真正的可移植性
  • 多语言支持
  • 产品和科研结合
  • 性能最优化

1.3 tensoeflow1.0

1.3.1 主要特性

  • XLA——Accelerate Linear Algebra
  •           提升训练速度58倍
  •           可以在移动设备上运行
  • 引入更高级的API——tf.layers/tf.metrics/tf.losses/tf.keras
  • Tensofrlow调试器
  • 支持docker镜像，引入tensorflow serving服务

1.3.2 tensoeflow1.0架构

1.3.3 tf1.0 API列表

（1）tf1.0实现全连接网络

placeholder,

tf.layers.dense,

tf.train.AdamOptimizer

tf.losses.sparse_softmax_cross_entropy,

tf.global_variables_initializer

feed_dict

(2) Dataset

Dataset.make_one_shot_iterator

Dataset.make_initializable_iterator

(3) 自定义estimator

tf.feature_column.input_layer

tf.estimator.EstimatorSpec

tf.estimator.accuracy

1.3.4 tf1.0 升级为tf2.0代码

1.4 tensoeflow2.0 

1.4.1 主要特性

（1）Tf.keras 和 eager mode进行更加简单的模型构建

使用tf.data加载数据；

使用tf.keras构建模型，使用premade estimator来验证模型，使用tensorflow hub进行迁移学习；

使用eager mode进行运行和调试

使用分发策略来进行分布式训练

导入导出到SaveModel

使用tensorflow Server，tensorflow Lite，tensorflow.js部署模型

（2）鲁棒的跨平台模型部署

Tensorflow服务——直接通过https/rest或GRPC/协议缓冲区

Tensorflow Lite——可部署在Android，ios和嵌入式系统上

Tensorflow.js——在javascript中部署模型

其他语言——C，java，Go，C#，Rust，Julia ，R等

（3）强大的研究实验

Keras功能API和子类API，允许创建复杂的拓扑结构

自定义训练逻辑，使用tf.GradientTape和tf.custom_gradienti进行更细粒度的控制

低层API自始至终可以与高层结合使用，完全的可定制

高级扩展：Ragged Tensor，Tensor2Tensor等

（4）清除不推荐使用的API和减少重复来简化API

1.4.2 tensoeflow2.0架构

2. Tensorflow Vs Pytorch

2.1 入门时间

2.1.1 Tensorflow1.*

（1）静态图（效率高），需要学习额外的概念（图，会话，变量，占位符等），需要写一些样本代码

静态图相对应的是声明式编程。

声明式编程：

与声明式编程“相反”的是命令式编程

命令式编程

2.1.2 Tensoeflow2.0

动态图（调试容易），即命令式编程

Eager mode避免1.0缺点，直接集成在python中

2.1.3 pytorch

动态图（调试容易）

Numpy的扩展，直接集成在python中

2.2图创建和调试

2.2.1 tensorflow1.*

静态图，难以调试，学习tfdbg调试

2.2.2 tensorflow2.* 与pytorch

动态图，python自带调试工具

2.3 全面性

Pytorch缺少

  • 沿维翻转张量（np.flip, np.flipud, np.fliplr）
  • 检查无穷与非数值张量（np.is_nan, np.is_inf）
  • 快速傅立叶变换（np.fft）

随着时间变化，tensorflow和pytorch越来越接近

2.4 序列化和部署

Tensorflow 支持更加广泛

  • 图保存为protocol buffer
  • 跨语言
  • 跨平台

Pytorch支持比较简单

3. tensorflow的安装

3.1 mac 在anaconda 下安装tensorflow

（1）建立一个Tensorflow的运行环境

// 创建环境$ conda create -n tensorflow python=3.5// 移除环境conda remove --name tensorflow --all目前Mac上的Tensorflow仅仅支持CPU版本，而且3.0以上版本仅支持3.5版本，所以创建环境的时候一定要加上Python=3.5。详情可以去Github Tensorflow查看。

（2）设置国内镜像

清华开源软件镜像站

如果需要安装很多packages，你会发现conda下载的速度经常很慢，因为Anaconda.org的服务器在国外。所幸的是，清华TUNA镜像源有Anaconda仓库的镜像，我们将其加入conda的配置即可：
# 添加Anaconda的TUNA镜像conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/# TUNA的help中镜像地址加有引号，需要去掉
# 设置搜索时显示通道地址conda config --set show_channel_urls yes

（3）安装Tensorflow

目前仅仅是创建了一个空的环境，仅有与Python3.5相关的一些包，我们需要先激活环境，然后安装Tensorflow。
// 激活环境
$ source activate tensorflow
// 安装Tensorflow
$ pip install tensorflow
// 关闭环境
$ source deactivate

（4）简单测试是否安装成功

>>>import tensorflow as tf
>>>hello = tf.constant('Hello, TensorFlow!')
>>>sess = tf.Session()
>>>print(sess.run(hello))
Hello,TensorFlow!

使用Jupyter notebook

永久更改 Jupyter notebook 默认目录路径
创建Jupyter notebook的配置文件jupyter_notebook_config.py，
在终端中输入：
$ jupyter notebook --generate-config

打开jupyter_notebook_config.py，找到下文字：

// 打开jupyter_notebook_config.py
$ cd .jupyter
$ vim jupyter_notebook_config.py

// 找到如下文字
## The default URL to redirect to from `/`
#c.NotebookApp.default_url = '/tree'
将其修改为：
## The default URL to redirect to from `/`
c.NotebookApp.default_url = '/tree/DeepLearning'

// 此时，Jupyter notebook的默认目录路径就变成了/home/DeepLearning
该方法只能通过根目录启动Jupyter notebook，从其他目录启动会出现Jupyter notebook网页无法显示的状态。
单次更改 Jupyter notebook 默认目录路径
// 在终端中cd到目标目录：
$ cd ~/DeepLearning
$ jupyter notebook

（5）安装OpenCV

pip install opencv-python

3.2 mac 在docker 下安装tensorflow

详见网址Docker简介_zhao_crystal的博客-CSDN博客

zhao_crystal
关注
专栏目录
TensorFlow基础介绍
03-13
### TensorFlow基础介绍 #### 1. TensorFlow概念 **1.1 TensorFlow的概念与发展史** - **概念**: TensorFlow是由谷歌于2015年11月发布的一款开源深度学习框架。它为构建、训练以及部署深度神经网络提供了一套全面...
TensorFlow框架
逆境清醒的博客
06-30 5183
一、通过代码了解TensorFlow结构1.1、TensorFlow实现一个加法运算代码1.1.1、原生python加法运算1.1.2、TensorFlow实现加法运算1.1.3、TensorFlow实现加法运算1.2、TensorFlow的Hello World二、TensorFlow架构图三、TensorFlow结构分析3.1、张量（Tensor）3.2、节点(Operation)3.3、会话（Session）3.4、数据流图介绍（Graph)
Python深度学习：TensorFlow基础教程
BXA
05-15 7767
深度学习是一种机器学习方法借助多层神经网络进行大规模数据分析和处理，以获取隐藏在数据中的特征模式，常应用于图像识别、语音识别、自然语言处理等领域。TensorFlow是由Google Brain团队开发的一个开源的数值计算库，主要用于支持机器学习和深度学习的算法研究和开发，是目前最流行的深度学习框架之一。
Tensorflow入门
最新发布
qq_56246012的博客
08-25 1195
文章简单介绍了tensorflow和keras，并用鸢尾花(iris)分类案例，介绍tf.keras的基本使用流程。
TensorFlow入门
好女绪的博客
04-23 8664
TensorFlow入门 参考资料： TensorFlow中文社区教程 TENSORFLOW从入门到精通之——TENSORFLOW基本操作 TensorFlow升级到1.0版本的问题 Tensorflow save&restore遇到问题及解决应对 NotFoundError: Key Variable_10 not found in checkpoint TensorFlow的变量管理...
深度学习（二）—— TensorFlow入门
hu_wei123的博客
10-19 2680
深度学习框架 TensorFlow 一经发布，就受到了广泛的关注，并在计算机视觉、音频处理、推荐系统和自然语言处理等场景下都被大面积推广使用。TensorFlow的依赖视图TF托管在github平台，有google groups和contributors共同维护。TF提供了丰富的深度学习相关的API，支持Python和C/C++接口。TF提供了可视化分析工具Tensorboard，方便分析和调整模型。TF支持Linux平台，Windows平台，Mac平台，甚至手机移动设备等各种平台。
深度学习 TensorFlow入门
热门推荐
mengxianglong123的博客
06-22 3万+
深度学习框架TensorFlow一经发布，就受到了广泛的关注，并在计算机视觉、音频处理、推荐系统和自然语言处理等场景下都被大面积推广使用，接下来我们深入浅出的介绍Tensorflow的相关应用。TensorFlow的依赖视图如下所示：TensorFlow 2.0 将专注于简单性和易用性，工作流程如下所示：1、使用tf.data加载数据。 使用tf.data实例化读取训练数据和测试数据2、模型的建立与调试： 使用动态图模式 Eager Execution 和著名的神经网络高层 API 框架 Keras，结合可
Tensorflow基础代码
09-06
以下是TensorFlow的一些基础代码资源，涵盖了CNN（卷积神经网络）、逻辑回归、RNN（循环神经网络）、线性回归等内容。 CNN（卷积神经网络）: 示例代码：cnn_mnist.py 数据集：MNIST手写数字数据集 说明：该代码...
TensorFlow基础教程01
03-16
**TensorFlow基础教程01** 在当今的科技领域，人工智能（AI）正逐渐渗透到各个行业，而深度学习是推动这一变革的关键技术。在众多深度学习框架中，TensorFlow因其强大的功能和广泛的社区支持，成为了许多开发者的...
tensorflow基础知识1
08-08
【TensorFlow基础知识1】 在TensorFlow中，神经网络的构建和优化是通过一系列的概念和函数来实现的。首先，我们要了解TensorFlow的核心概念——张量（Tensor）。张量是TensorFlow处理数据的基础，它是一个多维数组...
Tensorflow基础.zip
05-03
Tensorflow基础 环境搭建pdf + 70页PPT + Python源码 + 运行结果截图 TensorFlow是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其...
TensorFlow 基础教程简介.docx
03-24
### TensorFlow基础教程详解 #### 一、TensorFlow概述 TensorFlow是一种开源的人工智能框架，由Google Brain团队研发，主要用于构建、训练和部署机器学习模型，特别是深度学习模型。其核心优势在于能够高效地处理...
tensorflow 基础API
01-06
tensorflow 基础APItensorflow 常量（constant）创建常量矩阵创建常量、常量定义类型、定义一个随机数（标量）定义一个有2个元素的零向量、定义两个2×2的常量矩阵0维张量、字符串张量矩阵操作举例加法、平方、矩阵...
TensorFlow基础培训
03-08
我从网络上学习的一些知识整理，整理成TensorFlow入门的课程，讲分享进行到底
TensorFlow基础教程
03-15
1. TensorFlow基础教程的概述：该教程旨在向读者介绍TensorFlow，一个由谷歌开发的开源机器学习库。它为用户提供了从基础概念到更高级主题如线性模型、学习过程以及分布式计算的全面指导。 2. TensorFlow的基本概念...
TensorFlow详解
顺其自然~专栏
12-25 1万+
TensorFlow是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief。 Tensorflow拥有多层级结构，可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究。 Tenso...
TensorFlow深度学习入门详解
u010312678的专栏
01-15 1767
深度学习网络，TensorFlow，卷积运算，池化运算
TensorFlow基础篇
修炼之路
10-04 1048
TensorFlow作为Google开源的深度学习框架，其可用性、灵活性、效率以及对各个平台的支持都是很不错的。TensorFlow官网的教程也是非常的详细，下面的介绍主要也是根据官网的教程。TensorFlow最核心的就是计算图，整个编码过程其实可以分为两个阶段，一个是构建计算图一个是运行计算图。 1、张量（tensors） 张量：TensorFlow数据的中心单元，张量其实就是不同维数大小
Tensorflow基础训练
04-05
以下是Tensorflow基础训练的步骤： 1. 安装Tensorflow Tensorflow可以通过pip命令安装。在命令行中输入以下命令即可： pip install tensorflow 2. 创建Tensorflow图 在Tensorflow中，图是指一系列的操作。创建...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值