tensorflow代码组织格式

撰写时间：2017.8.16

tensorflow代码组织

tensorflow的源代码中有很多example，从那些大牛们的源代码中我们其实可以学到很多有关tensorflow的代码格式应该如何排版。但是由于tf项目组的人有很多，代码格式也是参差不齐，所以这篇博文也就是总结一些博主在实际使用tensorflow中常用的代码组织的结构。

---

该篇博文按照博主的代码格式变化的时间顺序组织

简单的代码组织

• tensorflow中将所有的操作都看做是节点，所有的节点组成一个前驱图，也就是tensorflow中提到的Graph计算图结构。
• tensorflow的另一个模块是session模块，通过session为之前建立好的Graph“喂(feed)数据”,然后从图的末端fetch需要的结果。

• 所以最简单的代码组织就是将这两个模块分开。先建立计算图，然后通过会话模块运行计算图。

  #coding:utf-8
  #######softmax
  
  import tensorflow as tf
  import numpy as np 
  from tensorflow.examples.tutorials.mnist import input_data
  
  ######prepare data
  mnist = input_data.read_data_sets('MNIST_data/',one_hot = True);
  
  
  #######create the graph,定义图中所有的计算节点的依赖关系
  x = tf.placeholder(tf.float32,shape = [None,784],name = 'x');
  y_ = tf.placeholder(tf.float32,shape = [None,10],name = 'y_');
  W = tf.Variable(tf.zeros([784,10]));
  b = tf.Variable(tf.zeros([10]),name = 'input_bias');
  y = tf.nn.softmax(tf.matmul(x,W) + b)
  cross_entropy = -tf.reduce_sum(y_*tf.log(y))
  train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)
  correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))
  accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float32"))
  
  #set sess as default，定义会话
  sess = tf.InteractiveSession();
  init = tf.global_variables_initializer();
  sess.run(init);
  ##通过会话运行图
  for i in range(1000):
      batch = mnist.train.next_batch(100);
      sess.run(train_step,feed_dict={x: batch[0], y_: batch[1]})
      if i % 50 == 0:
          pri