第3章 TensorFlow入門

TensorFlow是Google創造的數值運算庫，作為深度學習的底層使用。本章包括：

• TensorFlow介紹
• 如何用TensorFlow定義、編譯并運算表達式
• 如何尋求幫助

注意：TensorFlow暫時不支援Windows，你可以用Docker或虛拟機。Windows使用者可以不看這章。

3.1 TensorFlow是什麼？

TensorFlow是開源數學計算引擎，由Google創造，用Apache 2.0協定釋出。TF的API是Python的，但底層是C++。和Theano不同，TF兼顧了工業和研究，在RankBrain、DeepDream等項目中使用。TF可以在單個CPU或GPU，移動裝置以及大規模分布式系統中使用。

3.2 安裝TensorFlow

TF支援Python 2.7和3.3以上。安裝很簡單：

sudo pip install TensorFlow
           

就好了。

3.3 TensorFlow例子

TF的計算是用圖表示的：

• 節點：節點進行計算，有一個或者多個輸入輸出。節點間的資料叫張量：多元實數數組。
• 邊緣：定義資料、分支、循環和覆寫的圖，也可以進行進階操作，例如等待某個計算完成。
• 操作：取一個輸入值，得出一個輸出值，例如，加減乘除。

3.4 簡單的TensorFlow

簡單說一下TensorFlow：我們定義a和b兩個浮點變量，定義一個表達式（c=a+b），将表達式變成函數，編譯，進行計算：

import tensorflow as tf
# declare two symbolic floating-point scalars
a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)
# create a simple symbolic expression using the add function add = tf.add(a, b)
# bind 1.5 to 'a', 2.5 to 'b', and evaluate 'c'
sess = tf.Session()
binding = {a: 1.5, b: 2.5}
c = sess.run(add, feed_dict=binding)
print(c)
           

結果是4： 1.5+2.5=4.0。大的矩陣操作類似。

3.5 其他深度學習模型

TensorFlow自帶很多模型，可以直接調用：首先，看看TensorFlow的安裝位置：

python -c 'import os; import inspect; import tensorflow; print(os.path.dirname(inspect.getfile(tensorflow)))'
           

結果類似于：

/usr/lib/python2.7/site-packages/tensorflow
           

進入該目錄，可以看見很多例子：

• 多線程word2vec mini-batch Skip-Gram模型
• 多線程word2vec Skip-Gram模型
• CIFAR-10的CNN模型
• 類似LeNet-5的端到端的MNIST模型
• 帶注意力機制的端到端模型

example目錄帶有MNIST資料集的例子，TensorFlow的網站也很有幫助，包括不同的網絡、資料集。TensorFlow也有個網頁版，可以直接試驗。

3.6 總結

本章關于TensorFlow。總結一下：

• TensorFlow和Theano一樣，都是數值計算庫
• TensorFlow和Theano一樣可以直接開發模型
• TensorFlow比Theano包裝的好一些