TensorFlow 人工智能引擎 入门教程之一 基本概念以及理解

首先你们看2 张图片   在0.8版本时候已经支持分布式了 ，因此将来的发展 方面 人工智能的趋势 不可挡，并且我的也是很是喜欢caffe 以及 tensorFlow 的我创业 用的就用到了它。

   

       下面咱们来说一下 学习tensorFlow要了解的基础知识。 

 首先安装方面 很简单 

      

  

ubuntu 下  pip install 这里 知识安装普通的0.5版本，若是须要最新版 看github上最新的0.8版本

安装好了 就能够开始使用了 

      首先 1.tensorflow  = tensor + flow = ndarray + dag图(网络)

也就是说 经过 每个 有向图 dag 把每一步操做op 链接起来  传递 输入 输出都是一个nd array 多维数组(numpy) 而后在tensorFlow的回话中进行计算操做，

      1.占位符

       

x = tf.placeholder(tf.float32, [None, 10])
y = tf.placeholder("float")
z = tf.placeholder(tf.int32)

  占位符表示当OP 操做进行时候传递进来的过程,,也就是 feed 喂养 给予操做，因此 须要外部传递过来，好比训练图像时候

  X 为图像数据 Y为图像标签，这样的时候 X Y 都是来自训练测试数据，因此前面须要定义2个用来传递的占位符来传递X Y 

  feed 须要传递 python中的 tuple元祖 feed_dict={x: xdata, y: ydata} ,当执行op操做时候 feed传入替换 ，执行完后销毁

  

   这里上面 第二个参数 shape 表示约束维度  好比 shape=(1024,1024) 就是约束为1024 行 1024列的二维数组 

   若是shape=(None,1024) None 是python中的空值 ，表示 能够任何维度行的 1024列的二维数组

   2.变量 

     在tensorFlow 一些随时用来计算 变化 操做 共享的量， 咱们知道OP 操做 在python传递的是ndarray多维数组 C++中就是tensorFlow的tensor类，多维数组在tensorFlow表示就是变量 

  

 w = tf.Variable(0.0, name="weights")
 b=  tf.Variable (tf.zeros([100]),name="bias")

  Variable第一个参数 表示 初始化的值 ，好比w 初始化为0 这样 w 在后面的过程当中会一直变化，下次可能获取w时候是w=xxx 某个值，在tensorFlow中这种 能够经过fetch 也就是当须要得到 传递 某个最新的w 时候 能够 session.run([w]) ，这时候   传递的w 就是每次最新变化的最新的w

   若是有时候须要常量 使用

   

 k = tf.constant(3.0) #表示定义一个值为3.0的常量

       

   3.Session 回话

     TensorFlow  经过回话 进行 链接 操做 执行全部的op（操做）造成一个有向图，进行执行运行 图计算 graph compute

     每个回话 的 只要有变量存在的状况 网络图  第一个bottom都是 initop 也就是初始化变量

    

init = tf.initialize_all_variables()
with tf.Session() as session:
   session.run(init)#1.第一个图的节点op   
   session.run(googlenet)#2.第二个图的节点op 1-2-n
   sess.close()#释放资源

相似于ipython同样 有交互式 的

InteractiveSession交互式回话session

 

sess = tf.InteractiveSession()

  

TensorFlow =  tensor (多维数组) + flow (graph 图 op)  session回话上下文管理   variable == tensor(多维数据变量)

placeholder == 外部传入的参数变量  

下面看看官方文档上的一个例子

 这里numpy 其实 tensor 二维数组就是numpy中的ndarrary

 tf.random_uniform 能够见api手册 就是随机的生成均匀分布的 一些-1 1 之间的shape 为1 2的二维数组

GradientDescentOptimizer 表示训练时候使用梯度降低来优化 ，还有不少优化策略。

   

 这一章都是基础概念 。后面 可能 要去工做了，时间不是那么有空，周末 可能 有空才会更新 ，后面章节咱们来使用 tensorFow 来定一个 深度学习网络DNN 以及 卷积神经网络CNN .我创业 就到了TensorFlow  因此放心 tensorFlow 我仍是比较了解的至少能够熟练使用吧，也许不少地方有些不足，请见谅 下面咱们使用运行 测试 看看。

这里 提一下 就是由于上面有中文，因此在前面加上coding 让他utf-8 这是python基础知识

  

 运行结果