tensorflow-python学习过程中遇到的问题

• from __future__ import absolute_import的作用：

https://blog.csdn.net/caiqiiqi/article/details/51050800

• from __future__ import division的作用：

https://www.cnblogs.com/zhangqigao/archive/2016/12/13/6172147.html

• from __future__ import print_function的作用：

https://blog.csdn.net/xiaotao_1/article/details/79460365

• 查看已安装tensorflow版本和路径，查看Python路径：

https://blog.csdn.net/qq_25973779/article/details/80197082

• 如何看待tensorflow新出的eager模式？

https://www.zhihu.com/question/67471378/answer/253549074

 TF通过计算图将计算的定义和执行分隔开, 这是一种声明式（declaretive）的编程模型。最初的eager模块api放在contrib中，现在新版的TensorFlow中已成为核心API，可以直接访问。

#eager 在 contrib 中时的开启方法
import tensorflow as tf
import tensorflow.contrib.eager as tfe
tfe.enable_eager_execution()

或

#eager 成为 核心api 后的开启方法
import tensorflow as tf
tf.enable_eager_execution()
tfe = tf.contrib.eager

就开启了Eager模式，这时，TensorFlow会从原先的声明式（declarative）编程形式变成命令式（imperative）编程形式。当写下语句"c = tf.matmul(a, b)"后（以及其他任何tf开头的函数），就会直接执行相应的操作并得到值，而不再像之前那样，生成一个Tensor，通过sess.run()才能拿到值。注意：这种Eager模式一旦被开启就不能被关闭。

• Tensorflow的中的常量、变量和数据类型：

https://www.cnblogs.com/tengge/p/6360946.html

• 有关a.shape：

import numpy
a = numpy.array([[00,01,02],
                 [10,11,12]])
print a.shape
print a.shape[0]
print a.shape[1]
---------------------------
输出：
(2,3)  #行数，列数组成的二元组
2
3

• 深度学习中的iteration、batch-size、epoch：

https://www.zhihu.com/question/43673341

比如你有1000个数据，这个数据集可能太大了，全部跑一次再调参很慢，于是可以分成100个为一个数据集，这样有10份。

batch_size=100

这100个数据组成的数据集叫batch

每跑完一个batch都要更新参数，这个过程叫一个iteration

epoch指的就是跑完这10个batch（10个iteration）的这个过程

 

（1）batchsize：批大小。在深度学习中，一般采用SGD训练，即每次训练在训练集中取batchsize个样本训练；

（2）iteration（也叫training step）：1个iteration等于使用batchsize个样本训练一次；

（3）epoch：1个epoch等于使用训练集中的全部样本训练一次；

 

举个例子，训练集有1000个样本，batchsize=10，那么：

训练完整个样本集需要：

100次iteration，1次epoch。