深度学习框架Tensorflow

Tensorflow安装环境检查

1.查看支持GPU

2.安装cuda

3.安装CuDNN-----下载需要注册账号

Tensorflow安装命令

  Tensorflow分为CPU与GPU两个版本，可以使用如下命令安装Tensorflow(jupyter中的安装)
  !pip install tensorflow（CPU版本）
  !pip install tensorflow-gpu(GPU版本)
  安装之后，在程序中就可以通过import导入使用，按照管理，我们重命名为tf。
  import tensorflow as tf 可以通过如下的方式查看tenforflow的版本：
  tf.__version__

  注意：目前tensorflow不支持Python3.7。

基于图的计算方式

  Tensorflow是通过数据流图完成计算的。Tensorflow的名称就是Tensor + flow。
  Tensor就是张量，张量是深度学习中表示数据的标准方式。简单的说，张量就是多维数组。
  flow就是数据的流动，是张量从一端流动到另外一端的过程。
  图是由节点与边连接构成，在Tensorflow中，节点表示操作，边表示张量对象（张量的流动）。
  其具体的操作：构建图--->运行图

（1）构建图

  注意事项:
  1. 可以通过操作对象的graph属性来获取操作所属的图。
  2.可以使用with与as_default来切换默认图。
  3.不同图中定义的操作，不能进行运算。
  4.Tensorflow对类型的要求非常严格，不同类型之间无法进行运算。

（2）运行图

  注意事项:
  1. 我们可以通过创建Session对象，来运行图（获取数据）。Session对象在使用之后需要进行关闭，我们可以使用with来简化关闭的操作。
  2.我们也可以创建交互式会话（InteractiveSession）。
  差别在于：交互式会话相当于设置了默认的Session。在进行求值时，无需显式指定。

变量与占位符

  1.占位符表示其值由用户进行传递，通常用来存储样本数据与标签。
  2.变量在计算过程中，可以改变其值，通常用来存储模型的参数。
  注意事项：
  变量必须要初始化后才能使用。
  占位符的数据，需要使用实际值进行填充。

变量的作用域

  1.在我们使用tf.Variable定义变量时，每次执行，就会创建一个新的变量。有时，我们可能并不总是想创建新的变量，而是可以复用已经创建的变量。这样，就可以实现变量共享。
  2.通过tf.variable_scope方法可以创建变量作用域，通过该作用域获取变量时，会进行检查。因此，我们就能够控制创建变量或者复用已经存在（创建好）的变量。
  注意事项：
  通过变量作用域，就可以避免意外创建或者共享变量。
  使用reuse参数来控制获取变量的行为。该参数的意义如下：
    默认为获取新变量，当变量已经存在时，出错。
    tf.AUTO_REUSE 当变量不存在时，创建变量，存在时，复用已经创建的变量。
    true 复用变量，当变量不存在时出错。
  底层会使用作用域名/变量名:0的方式来标记变量。