深度学习框架Tensorflow

Tensorflow安装环境检查 1.查看支持GPU 2.安装cuda 3.安装CuDNN-----下载需要注册账号 Tensorflow安装命令 &nbsp Tensorflow分为CPU与GPU两个版本，可以使用如下命令安装Tensorflow(jupyter中的安装) &nbsp !pip install tensorflow（CPU版本） &nbsp !pip install tensorflow-gpu(GPU版本) &nbsp 安装之后，在程序中就可以通过import导入使用，按照管理，我们重命名为tf。 &nbsp import tensorflow as tf 可以通过如下的方式查看tenforflow的版本： &nbsp tf.__version__ &nbsp 注意：目前tensorflow不支持Python3.7。 基于图的计算方式 &nbsp Tensorflow是通过数据流图完成计算的。Tensorflow的名称就是Tensor + flow。 &nbsp Tensor就是张量，张量是深度学习中表示数据的标准方式。简单的说，张量就是多维数组。 &nbsp flow就是数据的流动，是张量从一端流动到另外一端的过程。 &nbsp 图是由节点与边连接构成，在Tensorflow中，节点表示操作，边表示张量对象（张量的流动）。 &nbsp 其具体的操作：构建图--->运行图 （1）构建图 &nbsp 注意事项: &nbsp 1. 可以通过操作对象的graph属性来获取操作所属的图。 &nbsp 2.可以使用with与as_default来切换默认图。 &nbsp 3.不同图中定义的操作，不能进行运算。 &nbsp 4.Tensorflow对类型的要求非常严格，不同类型之间无法进行运算。 （2）运行图 &nbsp 注意事项: &nbsp 1. 我们可以通过创建Session对象，来运行图（获取数据）。Session对象在使用之后需要进行关闭，我们可以使用with来简化关闭的操作。 &nbsp 2.我们也可以创建交互式会话（InteractiveSession）。 &nbsp 差别在于：交互式会话相当于设置了默认的Session。在进行求值时，无需显式指定。 变量与占位符 &nbsp 1.占位符表示其值由用户进行传递，通常用来存储样本数据与标签。 &nbsp 2.变量在计算过程中，可以改变其值，通常用来存储模型的参数。 &nbsp 注意事项： &nbsp 变量必须要初始化后才能使用。 &nbsp 占位符的数据，需要使用实际值进行填充。 变量的作用域 &nbsp 1.在我们使用tf.Variable定义变量时，每次执行，就会创建一个新的变量。有时，我们可能并不总是想创建新的变量，而是可以复用已经创建的变量。这样，就可以实现变量共享。 &nbsp 2.通过tf.variable_scope方法可以创建变量作用域，通过该作用域获取变量时，会进行检查。因此，我们就能够控制创建变量或者复用已经存在（创建好）的变量。 &nbsp 注意事项： &nbsp 通过变量作用域，就可以避免意外创建或者共享变量。 &nbsp 使用reuse参数来控制获取变量的行为。该参数的意义如下： &nbsp &nbsp 默认为获取新变量，当变量已经存在时，出错。 &nbsp &nbsp tf.AUTO_REUSE 当变量不存在时，创建变量，存在时，复用已经创建的变量。 &nbsp &nbsp true 复用变量，当变量不存在时出错。 &nbsp 底层会使用作用域名/变量名:0的方式来标记变量。

来源：https://www.cnblogs.com/wisteria68/p/10757007.html