本文主要是介绍【拔刀吧 TensorFlow】TensorFlow学习笔记七,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
今天继续学习TensorFlow,这回先说说交互式使用。
(一)
前面几篇说过,TensorFlow的程序是先将需要用到的数一个个摆好,然后启动会话(session),在会话中进行运算。
但是有的时候我们需要改变这些数字的值(猜想),而官方的说法是:避免一个变量来持有会话(不明白??)。
此时,我们就需要使用交互式的会话:InteractiveSession,来替代session。
对于InteractiveSession和session的区别,我的理解就是:IS是先启动会话再摆值,s是先摆值再启动会话(-_-||可能太简单粗暴)。
官方的示例代码贴上:
# 进入一个交互式 TensorFlow 会话.
import tensorflow as tf
sess = tf.InteractiveSession()x = tf.Variable([1.0, 2.0])
a = tf.constant([3.0, 3.0])# 使用初始化器 initializer op 的 run() 方法初始化 'x'
x.initializer.run()# 增加一个减法 sub op, 从 'x' 减去 'a'. 运行减法 op, 输出结果
sub = tf.sub(x, a)
print sub.eval()
# ==> [-2. -1.]
这里记录一个疑惑,就是:
x.initializer.run()
初始化变量这句,表示不理解为何要在已经给x赋值之后还要初始化x?
等找到答案回来更新解答。
(二)
再说说变量(variable)。变量就是在程序运行过程中实时可以被赋予新的值,发生变化的量。官方的代码清晰明了:
# 创建一个变量, 初始化为标量 0.
state = tf.Variable(0, name="counter")# 创建一个 op, 其作用是使 state 增加 1one = tf.constant(1)
new_value = tf.add(state, one)
#说一下assign这个函数,形如tf.assign(A ,B),就是把B的值传递给A。
update = tf.assign(state, new_value)# 启动图后, 变量必须先经过`初始化` (init) op 初始化,
# 首先必须增加一个`初始化` op 到图中.
init_op = tf.initialize_all_variables()# 启动图, 运行 op
with tf.Session() as sess:# 运行 'init' opsess.run(init_op)# 打印 'state' 的初始值print sess.run(state)# 运行 op, 更新 'state', 并打印 'state'for _ in range(3):sess.run(update)print sess.run(state)# 输出:# 0
# 1
# 2
# 3
###############################################################################
今天翻看博客,看到一个关于节点和输入很好的一幅图。我是思考为了机电控制中的节点,但是对于没有接触过机电传动的小伙伴,总是那么抽象,上这幅图,是不是一下子就清晰了?
a、b就是输入的tensor或者输入值,大椭圆就是一个节点(op),这个节点的方法是add(求和)。
紧接着看到了这幅图
它展示了有向图的运行方式,数据的流动(flow)也清晰明了。而且同一个节点可以在不同的图中重复调用。
这里猜想:之前说的x要初始化,会不会与多个不同的图有关呢?希望可以得到大神指点,Thanks♪(・ω・)ノ
更新:op节点,不如理解成operation的op。感觉这样更明了
这篇关于【拔刀吧 TensorFlow】TensorFlow学习笔记七的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!