計算密集型(cpu計算)
-tensorflow
IO密集型(web,磁盤)
-django
-scrapy
1、基本概念
tensor 張量-資料結構
op 專門運算的操作節點
graph 圖:整個程式的結構
session 會話:運算程式的圖
圖預設已經注冊:
一組表示tf.Operation計算機關的對象
和 tf.Tensor表示操作之間流動的資料機關的對象
擷取圖
graph = tf.get_defaul_graph()
預設圖,相當于給程式配置設定記憶體
建立圖
g = tf.Graph()
with g.as_default():
pass
op: 隻要使用
tensorflow的API定義函數都是OP
tensor: 指代的就是資料
-前端系統:定義程式的圖的機構
-後端系統:運算圖結構
會話:
-運作圖的機構
-配置設定資源計算
-掌握資源(變量的資源,隊列,線程)
使用 1
session = tf.Session()
session.run()
session.close()
使用 2 上下文管理器
with tf.Session() as session:
session.run()
Session參數:
1、可以指定圖 graph參數
2、顯示運作裝置
config = tf.ConfigProto(log_device_placement=True)
指令行互動
>> import tensorflow as tf
>> tf.InteractiveSession()
隻要有會話開啟,就可以使用
varible.eval()
session.run()
參數:
fetches 變量,清單,元組
namedtuple,dict,OrderDict
重載的運算符,預設會給運算符重載為op了O型
注意:不是op不能運算
feed_dict 訓練資料,實時提供資料去進行訓練
placeholder 占位符
# None為不固定長度
plt = tf.placeholder(tf.float32, shape=[None, 3])
data = [[1, 2, 3], [4, 5, 6]]
with tf.Session() as session:
session.run(plt, fead_dict={plt: data})
張量
numpy as np
數組 ndarray 矩陣 張量 tensor = ndarray
0維 2維
1維
2維
2、基本資料格式
一個類型化的N次元數組(tf.Tensor)
Tensor(名稱, 次元形狀, 資料類型)
常用資料類型
tf.float32
tf.int32