2019.12.04

2019.12.04

一、tensorflow學習

1.astype：

轉換數組的數據類型。

2.dtype：

一個用於說明數組數據類型的對象。返回的是該數組的數據類型。由於圖中的數據都爲整形，所以返回的都是int32。如果數組中有數據帶有小數點，那麼就會返回float64。

3.與莫煩的第一個tensorflow例子相似的例子

import tensorflow as tf
import numpy as np

# 使用 NumPy 生成假數據(phony data), 總共 100 個點.
x_data = np.float32(np.random.rand(2, 100)) # 隨機輸入
y_data = np.dot([0.100, 0.200], x_data) + 0.300

# 構造一個線性模型
# 
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b

# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

# 初始化變量
init = tf.initialize_all_variables()

# 啓動圖 (graph)
sess = tf.Session()
sess.run(init)

# 擬合平面
for step in range(0, 201):
    sess.run(train)
    if step % 20 == 0:
        print(step, sess.run(W), sess.run(b))

# 得到最佳擬合結果 W: [[0.100  0.200]], b: [0.300]

4.安裝tensorflow-gpu遇到的問題及總結

遇到的最主要的問題就是如下報錯

出現這個問題似乎是由於沒有dll.100這個動態鏈接庫，經過反覆試測試應該是CUDA和tensorflow-gpu的版本不匹配導致的。
最終安裝成功用的如下版本

CUDA：cuda_10.0.130_411.31_win10
cudnn：cudnn-10.0-windows10-x64-v7.6.4.38
tensorflow-gpu：1.14.0

共花費一天半的時間！！！！

5.一個好的tensorflow中文文檔

此文檔鏈接包含但不限於tensorflow的基本使用
以下是遇到的問題：

①.tf.Variable(initializer,name)

參數initializer是初始化參數，name是可自定義的變量名稱，用法如下：

結果如下：

②.tf.constant

可參考此文章，詳細講述其用法

③.tf.random_uniform

tf.random_uniform((4, 4), minval=low,maxval=high,dtype=tf.float32)))返回4*4的矩陣，產生於low和high之間，產生的值是均勻分佈的。
清晰描述tf.random_uniform用法
tf.random_normal與區別tf.random_uniform

④.numpy庫中rand(),randn(),randint(),random_integers()等random系函數的使用

鏈接在此

⑤.tf.zeros

說白了，就是初始化的時候，用都0佔坑。
詳細鏈接

6.session的兩種打開形式

from __future__ import print_function
import tensorflow as tf

matrix1 = tf.constant([[3, 3]])

matrix2 = tf.constant([[2],
                      [2]])

product = tf.matmul(matrix1, matrix2)  # matrix multiply np.dot(m1, m2)

# method 1
sess = tf.Session()

result = sess.run(product)

print(result)

sess.close()

# method 2
with tf.Session() as sess:

    result2 = sess.run(product)

    print(result2)

7.variable變量

在tensorflow中，變量的定義和c語言類似，需要手動指明name。要區別於python中變量的定義。

from __future__ import print_function
import tensorflow as tf

state = tf.Variable(0, name='cyq')
print(state.name)
one = tf.constant(1)

new_value = tf.add(state, one)
update = tf.assign(state, new_value)

# 2017-03-02 if using tensorflow >= 0.12

if int((tf.__version__).split('.')[1]) < 12 and int((tf.__version__).split('.')[0]) < 1:
    init = tf.initialize_all_variables()
else:
    init = tf.global_variables_initializer()

with tf.Session() as sess:
    sess.run(init)
    for _ in range(3):
        sess.run(update)
        print(sess.run(state))

8.placeholder傳入值

placeholder()函數是在神經網絡構建graph（圖）的時候在模型中的佔位，此時並沒有把要輸入的數據傳入模型，它只會分配必要的內存。等建立session，在會話中，運行模型的時候通過feed_dict()函數向佔位符喂入數據。

from __future__ import print_function
import tensorflow as tf

input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
output = tf.multiply(input1, input2)

with tf.Session() as sess:

    print(sess.run(output, feed_dict={input1: [7.], input2: [2.]}))