tensorflow筆記（一）：tensorflow基本框架

tensorflow將搭建網絡與計算網絡中的數值進行了割裂，也就是說在搭建網絡階段並不計算數值。

一、計算圖

如以下代碼：

# coding:utf-8
# 0導入模塊 ，生成模擬數據集
import tensorflow as tf

# 定義神經網絡的輸入、參數和輸出，定義前向傳播過程


def get_weight(shape, regularizer):
    w = tf.Variable(tf.random_normal(shape), dtype=tf.float32)
    tf.add_to_collection(
        'losses', tf.contrib.layers.l2_regularizer(regularizer)(w))
    return w


def get_bias(shape):
    b = tf.Variable(tf.constant(0.01, shape=shape))
    return b


def forward(x, regularizer):

    w1 = get_weight([2, 11], regularizer)
    b1 = get_bias([11])
    y1 = tf.nn.relu(tf.matmul(x, w1) + b1)

    w2 = get_weight([11, 1], regularizer)
    b2 = get_bias([1])
    y = tf.matmul(y1, w2) + b2

    return y

其中，get_weight是獲得權重的函數，get_bias是獲得偏置的函數，forward是描述神經網絡的前向傳播過程的函數，也就是tensorflow中的計算圖，在執行此代碼段時神經網絡並不計算任何中間值。

二、會話（session）

創建會話對象後，可以使用 sess.run (node) 返回節點的值，並且 Tensorflow 將執行確定該值所需的所有計算。

假設我們有一組原始數據x,使用上面的forward搭建神經網絡。

y = forward(x, REGULARIZER)
with tf.Session() as sess:
    print(sess.run(y))

第一行代碼是搭建計算圖，第二行代碼是實例化tf.Session(),第三行是打印出y的值。sess.run(y)返回y的值。