Tensorflow--图

Tensorflow最重要的两个概念——Tensor和Flow。
Tensor就是张量，在Tensorflow中Tensor可以被简单的理解为多维数组。Tensor是Tensorflow的数据结构，那么Flow是Tensorflow的计算模型。Flow的中文翻译成流，它表达了张量之间通过计算相互转化的过程。Tensorflow是一个通过计算图的形式来表述计算的编程系统。Tensorflow每一个计算都是计算图上的一个节点，节点之间的边描述了计算之间的依赖关系。

计算图的使用
Tensorflow的程序一般分为两个阶段，在第一个阶段需要定义计算图中的计算。第二个阶段是执行计算。
下面代码给出计算样例：

在Python中一般会采用import tensorflow as tf的形式载入Tensorflow，这样可以用tf来代替tensorflow作为模块名称。
在这个过程中，Tensorflow会自动将定义的计算转化为计算图上的节点。在Tensorflow程序中，系统会自动维护一个默认的计算图，通过tf.get_default_graph函数可以获取当前默认计算图。

除了使用默认的计算图，Tensorflow支持通过tf.Graph函数来生成新的计算图。不同计算图上的张量和运算都不会共享。

#

tf.Variable与tf.get_variable()
tf.Variable(initial_value=None, trainable=True, collections=None, validate_shape=True, caching_device=None, name=None, variable_def=None, dtype=None, expected_shape=None, import_scope=None)
tf.get_variable(name, shape=None, dtype=None, initializer=None, regularizer=None, trainable=True, collections=None, caching_device=None, partitioner=None, validate_shape=True, custom_getter=None)
区别
使用tf.Variable时，如果检测到命名冲突，系统会自己处理。使用tf.get_variable()时，系统不会处理冲突，而会报错
基于这两个函数的特性，当我们需要共享变量的时候，需要使用tf.get_variable()。在其他情况下，这两个的用法是一样的
tf.get_variable 和tf.Variable不同的一点是，前者拥有一个变量检查机制，会检测已经存在的变量是否设置为共享变量，如果已经存在的变量没有设置为共享变量，TensorFlow 运行到第二个拥有相同名字的变量的时候，就会报错。

为了解决这个问题，TensorFlow 又提出了 tf.variable_scope 函数：它的主要作用是，在一个作用域 scope 内共享一些变量，可以有如下几种用法：
http://blog.csdn.net/u013645510/article/details/53769689
在tensorflow中,有两个scope, 一个是name_scope一个是variable_scope,这两个scope到底有什么区别呢?

http://blog.csdn.net/u012436149/article/details/53081454

#

上面代码产生了两个计算图，每个计算图中定义了一个名字为“v”的变量，在计算图g1中，将v初始化为0;在计算图g2中，将v初始化为1。可以看到当运行不同计算图时，变量v的值也是不一样的。Tensorflow的计算图不仅仅可以用来隔离张量和计算，它还提供管理张量和计算的机制。
计算图可以通过tf.Graph.device函数来指定运行计算的设备。这为Tensorflow使用GPU提供了机制。
下面的程序将加法计算跑在GPU上。

Tensorflow--图相关推荐

android冻结命令,在Android上使用冻结tensorflow图中的变量
TLDR:如何在Android上使用冻结tensorflow图中的变量? 1.我想做什么我有一个Tensorflow模型,它在多个变量中保持一个内部状态,用:state_var = tf.Varia ...
5.1 Tensorflow:图与模型的加载与存储
这里写目录标题前言快速应用存储与加载,简单示例存储的文件 tf.train.Saver与存储文件的讲解核心定义存储文件的讲解保存图与模型进阶按迭代次数保存按时间保存更详细的解释前 ...
python人工智能——深度学习——TensorFlow——图和会话
图图默认已经注册,一组表示 tf.Operation计算单位的对象和tf.Tensor表示操作之间流动的数据单元的对象. 获取调用: tf.get_default_graph() op.sess或者 ...
人工智能tensorflow图的可视化
1.首先要序列化数据 import tensorflow as tf #定义op #op名称op指令空间内是唯一的,如果op名字相同,会给后面的依次加索引 # a=tf.constant(3.0,na ...
吴裕雄 python 神经网络——TensorFlow 图、张量及会话
import tensorflow as tfg1 = tf.Graph() with g1.as_default():v = tf.get_variable("v", [1], ...
一个高效且友好的TensorFlow图神经网络（GNN）框架：tf_geometric
本文已加入
【ML】TensorFlow 图
TensorFlow之图结构与TensorBoard可视化
TensorFlow之图结构与TensorBoard可视化 1.1 什么是图结构图包含了一组tf.Operation代表的计算单元对象和tf.Tensor代表的计算单元之间流动的数据. 1.2 图相 ...
tensorflow入门教程和底层机制简单解说——本质就是图计算，自动寻找依赖，想想spark机制就明白了...
简介本章的目的是让你了解和运行 TensorFlow! 在开始之前, 让我们先看一段使用 Python API 撰写的 TensorFlow 示例代码, 让你对将要学习的内容有初步的印象. 这段很短 ...
tensorflow tf.enable_eager_execution()（立即执行操作，不添加到稍后在“ tf.Session”中执行的图）
@tf_export("enable_eager_execution") def enable_eager_execution(config=None,device_policy= ...

Tensorflow--图

#

#

Tensorflow--图相关推荐

最新文章

热门文章