TensorFlow简介与Python基础

2018.9.10

一、概述

  • TF使用数据数据流图进行数值计算，亮点是支持异构设备分布式计算机
  • 常用的ML库有MXNet Torch/Pytorch Theano CNTK Caffe等
  • 0阶张量（纯量），1阶张量（向量），2阶张量（矩阵）tensor（张量） flow（流动）
  • 编程模式 命令式编程（Torch） 符号式编程（Tensorflow，theano 描述算法流程 放到其他语言执行）
  • TF使用数据流图来进行编程 是一种推断结构
  • TF的高层库()如Kearas（对用户友好，模块化）
  • Deep-learning主要的运算是浮点运算
  • TF的亮点之一是autograph模式
  • TF的功能：设计、训练、部署（唯一一个形成完整生态的ML sys）

二、环境配置

虚拟环境的安装

  1. 使用pip命令安装venv 
sudo pip install virtualenv
  1. cd 项目目录 切换到项目所在的目录
  2. 激活虚拟环境 
virtualenv --system-site-packages venv
  1. 退出venv 
deactivate

5、查看venv环境的python包版本

pip freeze

三、科学工具和流程

  • 编译语言C,C++,Fortran 快，优化好，但语法不友好
  • 脚本语言： Matlab 开发友好，收费，基础语言缺乏
    R语言 偏向统计，不能完成所有的任务
  • 高级的pyhton shell：IPython，Jupyter
  • python包：
    Numpy：强大的数值对象操作
    Scipy：高级的数据处理程序 （优化、回归差值等）
    Matplotlib：2D可视化 (不可交互，对3D图像支持不好)

四、python基础

（一）数据类型

python的变量类型不像C++一样在定义时必须制定参数的变量类型，是一种动态语言

整数

Python可以处理任意大小（没有大小限制）的正负整数，使用0x作为前缀表示十六进制

浮点数（小数）

按照科学计数法表示的数字，比如1.23e9代表$1.23*e^9$

由于储存方式不同，整数永远是精确的，但是浮点数可以四舍五入

字符串

字符串是以单引号或者双引号括起来的任意文本

如果字符串里有很多字符需要转义，为简化可以使用r''，引号内的字符串默认不转义

print('\\\t\\')
\   \
print(r'\\\t\\')
\\\t\\
布尔值

boolean只有True和false两种，其结果可由比较运算，逻辑运算得出（and，or，not）

  • 当两个变量比较时，如果给定的变量值小于100，则使用is运算的得到的两个变量所得bool结果为true，否则为false（这是由于python在储存同一个变量是当变量的数值小于100是使用同一块内存，而大于100是则不使用同一块内存）
a = 1000
b = 1000
print(a is b)
print(id(a),id(b))
False
4526894320 4526894960
a = 100
b = 100
print(a is b)
print(id(a),id(b))
True
4305331680 4305331680

（二）字符串

在python保存源代码是，需要制定保存为UTF-8编码，当解释器读取时，在开头加上这两行文字(第一行告诉Unix系统这是一个python可执行程序，win会忽略这个注释，第二行是告诉编译器以utf-8的方式读取,否则中文不能正常编码)：

#!/usr/bin/env python3
#-*- coding: utf-8 -*-
占位符

在Python中，格式化方式与C相同，使用%实现。%s表示用字符串替换，%d表示用整数替换，有几个%?后面就需要跟几个变量或值，当变量大于2时需要用括号括起来，有一个的话可以省略

print("Hi,my name is %s, I'm %d years old."%('Alex',10))
Hi,my name is Alex, I'm 10 years old.

占位符

替换内容

%d

整数

%f

浮点数

%s

字符串

%x

十六进制数

（三）循环

for...in循环

for x in ...就是把每个元素带入变量x，然后执行缩进块的语句

names = ['A','B','C']
for name in names:
    print(name)
A
B
C

使用range(n)可以生成一个迭代器，其值是0 ~ n-1

sum = 0
for i in range(101):
    sum = sum + i
print(sum)
5050
while循环

使用while循环打印100以内所有奇数的和：

sum = 0
n = 99
while n>0:
    sum = sum + n
    n = n - 2
print(sum)
2500

（四）Python数据结构

list(列表)

list是有序的集合，可以随时删除和添加元素

classlist = ['class1','class2','class3']
len(classlist)  #使用len可以获得列表的长度
classlist[0] #使用下标可以访问list的元素（以0开始）
classlist[-1] #使用负下标可以访问倒数的元素
'class3'

列表的插入

classlist.append('class4')  #尾插法
print(classlist)
classlist.insert(1,'class5') #指定索引插入
print(classlist)
['class1', 'class2', 'class3', 'class4']
['class1', 'class5', 'class2', 'class3', 'class4']

列表的删除

classlist.pop()  #如果pop不加参数，则删除最后一个，否则按照索引顺序删除
print(classlist)
['class1', 'class5', 'class2', 'class3']

注意：

  • list中的元素数据类型可以不同
  • list中可以有另外的list
  • list中一个元素也没有，则其长度为0
tuple（元组）

元组的另一名称为有序列表，一旦初始化就不能修改，没有append和pop方法

tuple存在的意义在于tuple不可变，所以代码更安全，如果可能，尽量用tuple代替list

当定义只有一个元素的tuple时，需要将这个元素后面加上一个逗号，因为（）可能会产生歧义。Python规定单独出现的小括号内容计算结果使其本身。

t = (1,)  #是（1，）而不是（1）
print(t)
(1,)

注意：

  • 要创建一个内容也不变的tuple必须保证tuple中的每一个元素本身不能变（不允许出现tuple中嵌套list的情况）
dict（字典）

dict使用键-值（key-value）存储，具有很快的查找速度

dic = {'A':95,'B':80,'C':75}
print(dic['A'])
95

修改dic某个key的值：

dic['A']=60
print(dic['A'])
60

对比list与dict：
dict：查找插入速度快，不会因为key的增加而变慢，但浪费内存多
list：查找插入时间随着元素的增加而增加，但占用空间小，浪费内存少

注意：

  • dic是一种用空间换时间的存储结构（hash）
  • key必须是不可变的对象
set(集合)

set与dict类似，是key的集合，但不存储value，没有重复的key

重复的元素在set中被自动过滤掉：

s = set([1,1,2,2,3,3])
print(s)
{1, 2, 3}

其他方法：
add（key）可以添加元素到set中
remove（key）可以删除set中的元素

集合操作：

s1 = set([1,2,3])
s2 = set([2,3,4])
print(s1&s2)
print(s1|s2)
{2, 3}
{1, 2, 3, 4}

（五）切片

L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']

取得前三个元素：

L = ['Michael', 'Sarah', 'Tracy', 'Bob', 'Jack']
print(L[:3])  
#L[0:3]表示，从索引0开始取，直到索引3为止，但不包括索引3。即索引0，1，2，正好是3个元素
#如果第一索引是0，可以省略
['Michael', 'Sarah', 'Tracy']

也可以负切片（记住倒数第一个元素的索引是 -1）：

L[-2:]
['Bob', 'Jack']

前10个数，每两个取一个(第3个参数n为步长，代表隔n个数取出一个)：

L = list(range(100))
>>> L[::5]
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]

（五）jupyter使用

魔法命令

import numpy as np
np.reshape??  #在命令后加？？可以查看对应命令的帮助文档
File "<ipython-input-22-38dc740ee985>", line 2
    np.reshape??  #在命令后加？？可以查看对应命令的帮助文档
              ^
SyntaxError: invalid syntax
a =[1,3,5]
%run my_file.py  #百分号后面的为魔法命令，可以执行非python的内容
%whos  #魔法命令：查看变量
%ls #支持大部分下的Linux命令
%pwd
%timeit a    #使用timeit监测性能
for item in [1,3,5]:
    print(item)
for item in range(10):     #range()可以生成迭代器，等价于range(0,10)
    print(item)


转载于:https://blog.51cto.com/xuan97916/2173547