Python 全栈体系【四阶】（二十九）

第五章深度学习

四、TensorFlow

5. 张量及基本运算

5.1 张量的阶与形状

阶：张量的维度（数方括号的层数）

形状表示方法

0 维：( )
1 维：(5)，1 行 5 个元素
2 维：(2,3)，2 行 3 列
3 维：(2,3,4), 两个 3 行 4 列的矩阵

5.2 张量的数据类型

在这里插入图片描述

5.3 张量常用属性

属性名称	说明
graph	所属的默认图
op	张量的操作名
name	名称
shape	形状
dtype	元素类型

5.4 案例 5：查看张量属性

在这里插入图片描述

5.5 案例 6：生成张量

在这里插入图片描述

5.6 张量类型转换

函数名称	说明
tf.string_to_number(string_tensor)	字符串转换为数字
tf.to_double(x)	转换为 64 位浮点型
tf.to_float(x)	转换为 32 位浮点型
tf.to_int32(x) / tf.to_int64(x)	转换为 32/64 位整型
tf.cast(x, dtype)	将 x 转换为 dtype 所指定的类型

5.7 案例 7：张量类型转换

在这里插入图片描述

5.8 占位符

不确定张量内容情况下，可以使用占位符先占个位置，然后执行计算时，通过参数传入具体数据执行计算（通过 feed_dict 参数指定）。placeholder 节点被声明的时候是未初始化的，也不包含数据，如果没有为它供给数据，则 TensorFlow 运算的时候会产生错误。

占位符定义：

name = placeholder(dtype, shape=None, name=None)

5.9 案例 8：占位符使用

在这里插入图片描述

5.10 张量形状改变

静态形状：在创建一个张量，初始状态的形状

tf.Tensor.get_shape()：获取 Tensor 对象的静态形状
tf.Tensor.set_shape()：更新 Tensor 对象的静态形状
注意：转换静态形状的时候，1-D 到 1-D，2-D 到 2-D，不能跨阶数改变形状；对于已经固定或者设置静态形状的张量/变量，不能再次设置静态形状。

动态形状：在运行图时，动态形状才是真正用到的，这种形状是一种描述原始张量在执行过程中的一种张量

tf.reshape(tf.Tensor, shape) ：创建一个具有不同动态形状的新张量
可以跨纬度转换，如 1D–>2D, 1D–>3D

5.11 案例 9：修改张量形状

在这里插入图片描述

5.12 张量数学计算

函数名称	说明
tf.add(x, y)	张量相加
tf.matmul(x, y)	张量相乘
tf.log(x)	求张量的自然对数
tf.reduce_sum(x, axis)	计算张量指定维度上的总和
tf.segment_sum(data, segment_ids)	计算张量片段总和

矩阵乘法说明

当矩阵 A 的列数（column）等于矩阵 B 的行数（row）时，A 与 B 可以相乘
矩阵 C 的行数等于矩阵 A 的行数，C 的列数等于 B 的列数
乘积 C 的第 m 行第 n 列的元素等于矩阵 A 的第 m 行的元素与矩阵 B 的第 n 列对应元素乘积之和

在这里插入图片描述

5.13 案例 10：张量数学计算

在这里插入图片描述

5.14 变量

变量是一种 op，它的值是张量

变量能够持久化保存，普通张量则不可

当定义一个变量时，需要在会话中进行初始化

变量创建

tf.Variable(initial_value=None, name=None)

5.15 案例 11：变量使用

在这里插入图片描述

6. Tensorboard 工具

请添加图片描述

6.1 什么是可视化

可视化是用来查看在 Tensorflow 平台下程序运行的过程，包括：张量/变量，操作，数据流，学习过程等，从而方便 TensorFlow 程序的理解、调试与优化。

Tensorflow 提供了专门的可视化工具 tensorboard，它将 tensorflow 执行的数据、模型、过程用图形方式进行显示。tensorflow 在执行过程中，可以通过某些操作，将模型、数据、graph 等信息，保存到磁盘中的 Events 文件中去，从而提供给 tensorboard 进行可视化。

6.2 启动 tensorboard

使用以下命令启动 tensorboard

tensorboard -logdir=“PycharmProjects/tensorflow_study/summary/”
其中，logdir 参数的值为事件文件存储目录，启动成功后可以看到如下信息，使用提示的 URL 地址和端口进行访问：

TensorBoard 1.14.0 at http://127.0.0.1:6006/

6.3 tensorboard 主页说明

在这里插入图片描述

6.4 案例 12：为操作添加可视化

在这里插入图片描述

注：张量如果未使用默认情况下不显示

6.5 摘要与事件文件操作

如果需要将变量/张量在 tensorboard 中显示，需要执行以下两步：

收集变量
- tf.summary.scalar(name, tensor) # 收集标量，name 为名字，tensor 为值
- tf.summary.histogram(name, tensor) # 收集高维度变量参数
- tf.summary.image(name, tensor) # 收集图片张量
合并变量并写入事件文件
- merged = tf.summary.merge_all() # 合并所有变量
- summary = sess.run(merged) # 运行合并，每次迭代训练都需要运行
- FileWriter.add_summary(summary, i) # 添加摘要，i 表示第几次的值