关于TensorFlow

TensorFlow是目前最流行的深度学习框架。它基于Python语言，是集合了神经网络各个算法函数组成的一个工具箱。

2017年2月，TensorFlow的首届开发者峰会在美国加利福尼亚州举行。在会上，谷歌公司正式宣布发布TensorFlow 1.0版本。

TensorFlow的编程模式

编程的模式通常分为命令式编程（imperative style programing）和符号式编程（symbolic style programing）。命令式编程就是直接以命令的形式编写程序，运行后计算机逐条执行。符号式编程则先定义各个变量及它们之间的计算关系，但此时没有任何实际数据，只有把需要运算的输入放进去后，才能在模型中形成数据流，从而形成输出值。TensorFlow采用的就是符号式编程模式。

举个栗子：如果走在路上有人问我食堂怎么走，那我可以直接告诉他：先往前走100米，再左转走50米，再…,然后就到了。
偶尔几个人问那ok，但要是有一个接一个的人来问路，那我选择狗带。这种情况下，最有效率的办法就是在各个路口处设置指示牌。人流从入口进去后，根据自身需要选择下一步怎么走。
如果人群是数据的话，那第一种指路方式就是命令式编程，第二种就是符号式编程。

变量的创建和输出

创建变量

明白了TensorFlow的编程模式后，就可以编写一个简单的程序体会一下这种编程模式了。最后，本文会提供完整的代码，方便有兴趣的朋友自己调试运行。

首先，使用tf.Variable()创建变量：

import tensorflow as tf

# 创建变量
var1 = tf.Variable(2, name="a",dtype=tf.float16)
var2 = tf.Variable(3, name="b",dtype=tf.float16)

创建了两个变量，a=2和b=3。

定义计算关系

这一步需要确定这两个变量在数据流中的走向，也就是给人群设置指示牌。

# 对变量进行乘运算
y = tf.multiply(var1,var2)

# 对变量进行加运算
z = tf.add(var1,var2)

# 对变量进行减法运算
x = tf.subtract(y,z)

# 改变变量的值
var3 = var1.assign(tf.add(var1,1.0))
var4 = var2.assign_add(1.0)

这一步先定义了变量的加减乘运算关系，最后用assign()和assign_add()改变变量的值。

创建会话并输出

之前所做的工作只是建立了一个数据流图，而数据并没有开始流动。好比各个路口的指示牌都竖好了，人群还在门口排队。创建会话(Session)后，数据开始流动，并从而形成输出值。创建会话sess，使用sess.run()输出各个运算节点处的数据值。

with tf.Session() as sess:
    # 变量初始化
    sess.run(tf.global_variables_initializer())
    print('y=%.0f' % sess.run(y))
    print('z=%.0f' % sess.run(z))
    print('x=%.0f' % sess.run(x))
    print('a=%.0f' % sess.run(var1))
    print('b=%.0f' % sess.run(var2))
    print('var3=%.0f' % sess.run(var3))
    print('var4=%.0f' % sess.run(var4))

    # 根据变量名输出变量值
    for var in tf.global_variables():
        if var.name == 'b:0':
            print('找到的变量b的值为%.0f' % sess.run(var))

整个算法的代码至此编写完毕。最后用到了tf.global_variables()，利用这个API可以遍历各个变量的name，从而使我们可以根据name找到我们指定的变量。

详细的计算流程参照下图：
计算流程图

结果及思考

运行代码后的print结果为：

y=6
z=5
x=1
a=2
b=3
var3=3
var4=4
找到的变量b的值为4

这里可以发现，定义计算关系实际上定义了上图中的节点，而sess.run()其实是输出了某个计算节点处的数据流值。

注意，并不是某个变量的值！从输出结果中可以看到，两个b的值不一样。严格来说b=3这种输出方式并不严谨，而应该是Var2=3！从最后一条输出结果可知，程序执行完毕后，保存在名为b的变量中的值为4。

完整代码如下：


import tensorflow as tf

# 创建变量
var1 = tf.Variable(2, name="a",dtype=tf.float16)
var2 = tf.Variable(3, name="b",dtype=tf.float16)

# 对变量进行乘法运算
y = tf.multiply(var1,var2)

# 对变量进行加法运算
z = tf.add(var1,var2)

# 对变量进行减法运算
x = tf.subtract(y,z)

# 改变变量的值
var3 = var1.assign(tf.add(var1,1.0))
var4 = var2.assign_add(1.0)

# 创建会话
with tf.Session() as sess:

    # 变量初始化
    sess.run(tf.global_variables_initializer())

    # 变量输出
    print('y=%.0f' % sess.run(y))
    print('z=%.0f' % sess.run(z))
    print('x=%.0f' % sess.run(x))
    print('a=%.0f' % sess.run(var1))
    print('b=%.0f' % sess.run(var2))
    print('var3=%.0f' % sess.run(var3))
    print('var4=%.0f' % sess.run(var4))

    # 根据变量名输出变量值
    for var in tf.global_variables():
        if var.name == 'b:0':
            print('找到的变量b的值为%.0f' % sess.run(var))

参考资料

https://www.tensorflow.org/api_docs/
https://www.w3cschool.cn/tensorflow_python/tensorflow_python-bm7y28si.html
《TensorFlow技术解析与实战》——李嘉璇
其它零碎互联网内容

TensorFlow入门基础：变量的创建和输出