引言
TensorFlow是Google基于DistBelief进行研发的第二代赢咖4学习系统,被广泛用于语音识别或图像识别等多项机器深度学习领域。其命名来源于本身的运行原理。Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流图的计算,TensorFlow代表着张量从图象的一端流动到另一端计算过程,是将复杂的数据结构传输至赢咖4神经网中进行分析和处理的过程。
TensorFlow完全开源,任何人都可以使用。可在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。
『机器学习进阶笔记』系列是将深入解析TensorFlow系统的技术实践,从零开始,由浅入深,与大家一起走上机器学习的进阶之路。
CUDA与TensorFlow安装
按以往经验,TensorFlow安装一条pip命令就可以解决,前提是有fq工具,没有的话去找找墙内别人分享的地址。而坑多在安装支持gpu,需预先安装英伟达的cuda,这里坑比较多,推荐使用ubuntu deb的安装方式来安装cuda,run.sh的方式总感觉有很多问题,cuda的安装具体可以参考。 注意链接里面的tensorflow版本是以前的,tensorflow 现在官方上的要求是cuda7.5+cudnnV4,请在安装的时候注意下。
Hello World
- import tensorflow as tf
- hello = tf.constant('Hello, TensorFlow!')
- sess = tf.Session()
- print sess.run(hello)
首先,通过tf.constant创建一个常量,然后启动Tensorflow的Session,调用sess的run方法来启动整个graph。
接下来我们做下简单的数学的方法:
- import tensorflow as tf
- a = tf.constant(2)
- b = tf.constant(3)
- with tf.Session() as sess:
- print "a=2, b=3"
- print "Addition with constants: %i" % sess.run(a+b)
- print "Multiplication with constants: %i" % sess.run(a*b)
- # output
- a=2, b=3
- Addition with constants: 5
- Multiplication with constants: 6
接下来用tensorflow的placeholder来定义变量做类似计算:
placeholder的使用见
- import tensorflow as tf
- a = tf.placeholder(tf.int16)
- b = tf.placeholder(tf.int16)
- add = tf.add(a, b)
- mul = tf.mul(a, b)
- with tf.Session() as sess:
- # Run every operation with variable input
- 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})
- # output:
- Addition with variables: 5
- Multiplication with variables: 6
- matrix1 = tf.constant([[3., 3.]])
- matrix2 = tf.constant([[2.],[2.]])
- with tf.Session() as sess:
- result = sess.run(product)
- print result