Tensorflow（1.x）

机器学习和深度学习的区别：

• 对比

• 传统的机器学习：需要进行特征提取，然后分类算法
• 深度学习：神经物网络拥有自动特征提取的特性

深度学习框架版本

• CPU：

1. 综合能力比较强
2. 核芯数量比较少
3. 更适用于处理连续性（sequential）任务

• GPU：

4. 专做某一个事情比较好
5. 核芯数量比较多
6. 更适合并行（parallel）任务

TF数据流图

• tensorflow结构分析

• 一个构图阶段
  流程图：定义数据（张量（tensor））和操作（节点（op））
• 一个执行图的阶段
  调用各个方面资源，将定义好的数据和操作运行起来

• 数据流图介绍

• tensorflow
• tensor - 张量- 数据
• flow - 流动

图与tensorBoard

• 图结构

• 数据（tensor）+ 操作（operation）

• 默认图

• TensorFlow会默认创建一张图
• 查看默认图的两种方法：

1. 调用方法

tf.get_default_graph()

1. 查看属性

.graph

• 创建与查看图

###############################################################################
# 重要: 请务必把任务(jobs)中需要保存的文件存放在 results 文件夹内
# Important : Please make sure your files are saved to the 'results' folder
# in your jobs
###############################################################################
import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
#所有的op、sess、tensor都是在同一张图中，即内存地址相同
def graph_demo():
    v_data1 = tf.constant([1, 2, 3])
    v_data2 = tf.constant([3, 2, 1])
    v_data3 = tf.add(v_data1, v_data2)
    
    default_graph = tf.get_default_graph()
    print(default_graph)
    print(v_data2.graph)
    
    with tf.Session() as sess:
        print(sess.graph)
#定义自己的图，两个不同图的不在同一内存中
def new_graph_demo():
    #自定义图1
    new_graph_initial = tf.Graph()
     #在自己的图中定义数据和操作
    with new_graph_initial.as_default():
        v_data4 = tf.constant(8)
        v_data5 = tf.constant(8)
        v_data6 = v_data4 - v_data5
        
        print(v_data6.graph)

    #自定义图2
    new_graph = tf.Graph()
    #在自己的图中定义数据和操作
    with new_graph.as_default():
        v_data1 = tf.constant([1, 2, 3])
        v_data2 = tf.constant([3, 2, 1])
        v_data3 = tf.add(v_data1, v_data2)       
        
        print(v_data3.graph)
    #开启自定义图的会话,一个会话只能对一个一共图
    with tf.Session(graph=new_graph_initial) as initial_graph_sess:
        print(initial_graph_sess.run(v_data6))
       
        
if __name__ == "__main__":
    new_graph_demo()

• TensorBoard可视化：

1. 数据序列化到-events文件

tf.summary.FileWriter("./tmp/summary",graph=initial_graph_sess.graph)

1. 启动TensorBoard

tensorboard --logdir="./tmp/tensorflow/summary/test/"

• 浏览器打开127.0.0.1:6006可以看见GRAPHS图结构

operation

• 常见op

• 数据：Tensor对象
• 操作：Operation对象 - OP

操作函数 & 操作对象

tf.constant(Tensor对象) —生成—> Const

Tensor("Add:0", shape=(3,), dtype=int32):操作对象名表示是由Add操作函数生成的，输出只有一个值表示0

• 指令名称：
  一张图，一个命名空间，可以自行修改指令名称,如：

v_data1 = tf.constant([1, 2, 3],name="v_data1")