Tensorflow 变量和操作与 Python 等价物答案

【问题标题】：Tensorflow Variables and Ops vs. Python EquivalentsTensorflow 变量和操作与 Python 等价物
【发布时间】：2016-09-30 10:24:18
【问题描述】：

我是 Tensorflow 的新手。

是不是一定要用tensorflow的功能，比如用tf.constant()代替int32、float32或者别的？
同样在计算过程中，使用tf.mul()而不是普通的Python乘法*？
还有打印函数tf.Print()而不是print()？

【问题讨论】：

标签： python tensorflow

【解决方案1】：

如 here 所述，

张量是操作输出之一的符号句柄。它不保存该操作的输出值，而是提供一种在 TensorFlow Session 中计算这些值的方法

所以张量变量不像 python 变量。相反，它们在computational graph 中指定操作之间的关系。用于描述图形的 Python 变量是为了方便程序员，但将 Python 变量和张量变量视为并行命名空间可能更容易。这个例子可能会有所帮助：

with tf.Session() as sess:
  a = tf.constant([1, 2, 3])
  b = tf.Variable([])
  b = 2 * a
  sess.run(tf.initialize_all_variables())
  print(b) # Tensor("mul:0", shape=(3,), dtype=int32)
  print(b.eval()) # [2, 4, 6]
  b = tf.Print(b, [b])  # [2, 4, 6] (at the command line)

从中可以看出：

print(b) 返回有关“b”所指的操作以及变量形状和数据类型的信息，但不返回值。
b.eval()（或sess.run(b)）将b的值作为一个numpy数组返回，可以由python打印print()
tf.Print() 允许您在图形执行期间查看b 的值。

注意tf.Print() 的语法对于新手来说可能有点奇怪。如文档here 中所述，tf.Print() 是一种身份操作，只有打印到命令行的副作用。第一个参数只是通过。第二个参数是打印的张量列表，可以不同于第一个参数。还要注意，为了让tf.Print() 做某事，在后续调用sess.run() 中使用的变量需要依赖于tf.Print() 输出的张量，否则这部分图表将不会被执行。

最后，对于 tf.mul() 与 * 等数学运算，许多普通的 python 运算都被等效的 tensorflow 运算重载，如 here 所述。

【讨论】：

感谢您的回复。我认为最好以 Tensorflow 的方式进行计算：构建图形并在会话中计算它。另外，我只是猜测张量的计算可能会有一些优化，例如在某些情况下，使用tf.mul 可能比普通的 python 乘法更好。
我正在考虑的另一件事是，如果我需要使用TensorBoard 来可视化图形，同时它支持像numpy 的操作或普通python 的操作这样的非张量流操作？我正在一个小型网络上工作，稍后我会尝试。你能告诉我用 Tensorflow 编码有什么好的习惯吗？就像将默认的tf.Session 设置为使用operation.eval()，而不是with tf.Session as sess:。由于构建图表和运行图表的方法有很多种，您是否更喜欢某些方法？
我认为每个人都需要发展自己的编码风格。我建议你看看 github 上的各种 tensorflow 例程，如果你喜欢一个人的风格，请尝试遵循它。无论如何，如果您有特定的问题或疑问，只需将它们发布到此论坛即可。这里的 TF 社区似乎反应迅速。

【解决方案2】：

因为 tensorflow 是建立在计算图之上的。当您在 python 中构建图形时，您只是在构建对计算的描述（实际上并不进行计算）。要计算任何东西，必须在会话中启动图。所以最好用tensorflow ops来做计算。

https://www.tensorflow.org/versions/r0.11/get_started/basic_usage.html

【讨论】：