TensorFlow 亂記

安裝

CPU

• 使用 pip 安裝

sudo apt-get install python3 python3-pip python3-dev
pip3 install tensorflow
sudo pip3 install --upgrade

• docker

sudo apt-get install docker
sudo groupadd docker
sudo usermod -aG docker $USER

docker run -it -p [hostPort]:[containerPort] [TensorFlowCPUImage]
docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow

GPU support

• 不一定要裝，但是可以加速

  • cuda
  • cudnn

• pip

sudo apt-get install python3-pip python3-dev
pip3 install tensorflow-gpu
sudo pip3 install --upgrade

• docker

nvidia-docker run -it -p [hostPort]:[containerPort] [TensorFlowGPUImage]
nvidia-docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow:latest-gpu

Get Start

computational graph

computational graph 是由許多 TensorFlow 運算節點（nodes）所組成的運算藍圖，每個節點可以接受任意個數的 tensors 作為輸入資料（或是沒有任何輸入也可以），並輸出一個 tensor

• 建立兩個節點

  node1 = tf.constant(3.0, dtype=tf.float32)
  node2 = tf.constant(4.0) # also tf.float32 implicitly
  print(node1, node2)
  

  可以用 dtype 指定型別，預設型別是 float32 印出來的並不會是 3.0 跟 4.0，因為他們事實上並不是 value，而是 node。只有在 evaluated 時，才會呈現出 3.0 跟 4.0，

API

Tensors

基礎的資料類型(class/data type)，它是一種多維度的陣列，其陣列的維度稱為 rank

Placeholder

placeholder 是一種可以讓 computational graph 保留輸入欄位的節點，其允許實際的輸入值留到後來再指定

Variable

參數的部份我們可以透過 variable 的節點來指定