初学TensorFlow的一些体会

以下是看了tensorflow官网的一些体会，欢迎各位大神来diss

TensorFlow的终端是基于C++，所以基于TensorFlow的代码类似于描述文件，所以最核心的两个内容就是

• Graph：因为TensorFlow的高性能计算都在python之外，所以TensorFlow与python之间进行频繁的交互造成了额外的开销，所以其主要的内容就是external computation graph的定义，静态图包括一系列节点的定义，主要有tensor和operation
• 常用的是default graph：

  tf.get_default_graph()

  让一个新建的graph g作为default，管理内容，不然所有的节点都会在一个全局默认的graph下

  g=tf.Graph()
  with g as default()

• Session：与终端进行连接，压缩环境，使operation objects得到执行，如不设置参数，default graph会被加载

数据的操作

• 按理说，静态图定义好之后，里面的数据都是确定了的，如tf.constant，但是tf.placeholder可以用来接收外部变量

  x=tf.placeholder(tf.float32,shape=[none ,784])

  在运行的时候接收多种输入
• 在机器学习中，通常将参数设置成variable，variable是graph总的value，可以用来动态的调整graph的参数，进行交互操作，使用前，其值需要初始化，

  w=tf.variable([.3],dtype=float32)
  init=tf.gloable_variables_initilizer()
  sess.run(init)

  
  
• 定义好损失函数之后，可以使用TensorFlow的内建函数进行目标函数的优化，在graph上进行梯度、step的计算，以及参数的更新，这其实是相当于在graph上增加了新的操作，所以参数要设置成variable
• 数据输入的shape是：

  x_image=tf.reshape(x,[-1,28,28,3])

  是batchsize*w*h*channel的形式