[AI教程]TensorFlow入门：Hello World与基本操作

文章目录

1.TensorFlow介绍
2.Hello World
3.基本操作

1.TensorFlow介绍

TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。

TensorFlow使用数据流图表示运算操作。数据流图用“结点”（nodes）和“线”(edges)的有向图来描述数学计算。“节点” 一般用来表示施加的数学操作，但也可以表示数据输入（feed in）的起点/输出（push out）的终点，或者是读取/写入持久变量（persistent variable）的终点。“线”表示“节点”之间的输入/输出关系。这些数据“线”可以输运“size可动态调整”的多维数据数组，即“张量”（tensor）。张量从图中流过的直观图像是这个工具取名为“Tensorflow”的原因。一旦输入端的所有张量准备好，节点将被分配到各种计算设备完成异步并行地执行运算。

2.Hello World

按照推荐的教程，完成TensorFlow的安装。

TensorFlow-Windows的安装请参考: 安装教程.

第一部分内容：创建一个名为hello的常量，创建会话（session），运行会话并输出常量。

打开终端，输入命令激活TensorFlow环境：

activate tensorflow

输入python，并回车，如下图所示：

首先，在python中导入TensorFlow：

import tensorflow as tf

定义一个常量hello

hello = tf.constant('Hello, TensorFlow!')

创建回话

sess = tf.Session()

运行，并输出

print(sess.run(hello))

输出结果：

b'Hello, TensorFlow!'

3.基本操作

TensorFlow的几个概念：
① 图（Graph）：用来表示计算任务，也就我们要做的一些操作。
②会话（Session）：建立会话，此时会生成一张空图；在会话中添加节点和边，形成一张图，一个会话可以有多个图，通过执行这些图得到结果。如果把每个图看做一个车床，那会话就是一个车间，里面有若干个车床，用来把数据生产成结果。
③Tensor：用来表示数据，是我们的原料。
④ 变量（Variable）：用来记录一些数据和状态，是我们的容器。
⑤ feed和fetch：可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据。相当于一些铲子，可以操作数据。

形象的比喻是：把会话看做车间，图看做车床，里面用Tensor做原料，变量做容器，feed和fetch做铲子，把数据加工成我们的结果。

接下来，我们将实现标量的加、乘操作，向量的加、乘操作。

标量的加、乘操作：

import tensorflow as tf
# 定义两个占位符a和b，将接收接下来要相加、乘的两个标量2，3
a = tf.placeholder(tf.int16)
b = tf.placeholder(tf.int16)
add = tf.add(a, b)
mul = tf.multiply(a, b)
# 启动计算图
# 其中 add为加操作，mul为乘操作，a和b接收数据，feed_dict将数据输入到计算图中
# sess.run 运行计算图
with tf.Session() as sess:
    print ("Addition with variables: %i" % sess.run(add, feed_dict={a: 2, b: 3}))
    print ("Multiplication with variables: %i" % sess.run(mul, feed_dict={a: 2, b: 3}))

输出（2加3和2乘3）：

Addition with variables: 5
Multiplication with variables: 6

向量的加、乘操作：

import tensorflow as tf
#定义两个矩阵常量
matrix1 = tf.constant([[3., 3.]])
matrix2 = tf.constant([[2.],[2.]])

#两个矩阵乘
product = tf.matmul(matrix1, matrix2)

#启动计算图
#sess.run 运行计算图
with tf.Session() as sess:
   result = sess.run(product)
   print result