Tensorflow變量和Ops與Python等價物

我是Tensorflow的新手。Tensorflow變量和Ops與Python等價物

是否有必要使用tensorflow的功能，如使用tf.constant()更換int32，float32要不？
另外在計算時，用tf.mul()代替正常的Python乘法*？
另外打印功能tf.Print()而不是print()？

2016-09-30 Ludwig Zhou

如上所述here，

張量是一個符號手柄的操作的所述輸出中的一個。它不包含那個操作輸出的值，而是提供了在TensorFlow Session中計算這些值的方法

所以張量變量不像python變量。而是他們指定computational graph中的操作之間的關係。用於描述圖形的python變量是爲了程序員的方便，但可能更容易將python變量和張量變量視爲並行命名空間。這個例子可能會有幫助：

with tf.Session() as sess: 
    a = tf.constant([1, 2, 3]) 
    b = tf.Variable([]) 
    b = 2 * a 
    sess.run(tf.initialize_all_variables()) 
    print(b) # Tensor("mul:0", shape=(3,), dtype=int32) 
    print(b.eval()) # [2, 4, 6] 
    b = tf.Print(b, [b]) # [2, 4, 6] (at the command line)

從這裏就可以看出：

print(b)有關操作返回的信息「B」是指以及可變形狀和數據類型，而不是價值。
b.eval()（或sess.run(b)）返回作爲numpy的陣列，其可以通過一個python print()
tf.Print()允許你看到圖形執行期間的b值被印刷的b值。

請注意，對於新手來說，tf.Print()的語法可能有點奇怪。如文檔here中所述，tf.Print()是一種身份操作，它只具有打印到命令行的副作用。第一個參數剛剛通過。第二個參數是打印的張量列表，可能與第一個參數不同。還要注意，爲了使tf.Print()做些什麼，在隨後調用sess.run()時使用的變量需要依賴於tf.Print()的張量輸出，否則該圖的這部分將不會執行。

最後相對於數學OPS如tf.mul() VS *許多正常蟒OPS的重載用等價tensorflow OPS，如所描述here。

來源

2016-09-30 23:18:20 RobR

感謝您的回覆。我認爲以Tensorflow的方式進行計算會更好：在會話中構建圖並計算它。另外，我猜測在張量的計算上可能會有一些優化，比如在某些情況下，使用'tf.mul'可能會比普通的python乘法更好。 –

我正在考慮的另一件事是，如果我需要使用[** TensorBoard **]（https://www.tensorflow.org/versions/r0.11/how_tos/summaries_and_tensorboard/index.html）來顯示圖形，而它支持non-tensorflow操作，如numpy的操作或正常的python操作？我正在研究一個小型網絡，我會在稍後嘗試。你能告訴我有沒有什麼好習慣用Tensorflow編碼？就像設置默認'tf.Session'使用'operation.eval（）'，而不是'用tf.Session as sess：'。既然有許多方法可以建立一個圖並運行圖，那麼你是否有一些肯定的選擇？ –

我認爲每個人都需要開發自己的編碼風格。我建議你看一下github上的各種tensorflow例程，如果你喜歡一個人的風格，就試着去關注它。無論如何，如果你有特定的問題或問題，只要將它們發佈到這個論壇。這裏的TF社區似乎非常敏感。 – RobR

因爲張量流建立在計算圖上。當你用python構建圖表時，你只是建立了一個計算描述（實際上並不是計算）。要計算任何內容，必須在會話中啓動圖形。所以最好用tensorflow操作進行計算。

https://www.tensorflow.org/versions/r0.11/get_started/basic_usage.html

來源

2016-09-30 18:32:29

Tensorflow變量和Ops與Python等價物

回答

相關問題