【拔刀吧 TensorFlow】TensorFlow学习笔记七

今天继续学习TensorFlow，这回先说说交互式使用。

（一）

前面几篇说过，TensorFlow的程序是先将需要用到的数一个个摆好，然后启动会话（session），在会话中进行运算。

但是有的时候我们需要改变这些数字的值（猜想），而官方的说法是：避免一个变量来持有会话（不明白？？）。

此时，我们就需要使用交互式的会话：InteractiveSession，来替代session。

对于InteractiveSession和session的区别，我的理解就是:IS是先启动会话再摆值，s是先摆值再启动会话（-_-||可能太简单粗暴）。

官方的示例代码贴上：

# 进入一个交互式 TensorFlow 会话.
import tensorflow as tf
sess = tf.InteractiveSession()

x = tf.Variable([1.0, 2.0])
a = tf.constant([3.0, 3.0])

# 使用初始化器 initializer op 的 run() 方法初始化 'x' 
x.initializer.run()

# 增加一个减法 sub op, 从 'x' 减去 'a'. 运行减法 op, 输出结果 
sub = tf.sub(x, a)
print sub.eval()
# ==> [-2. -1.]

这里记录一个疑惑，就是：

x.initializer.run()

初始化变量这句，表示不理解为何要在已经给x赋值之后还要初始化x？

等找到答案回来更新解答。

（二）

再说说变量（variable）。变量就是在程序运行过程中实时可以被赋予新的值，发生变化的量。官方的代码清晰明了：

# 创建一个变量, 初始化为标量 0.
state = tf.Variable(0, name="counter")

# 创建一个 op, 其作用是使 state 增加 1

one = tf.constant(1)
new_value = tf.add(state, one)

#说一下assign这个函数，形如tf.assign(A ,B)，就是把B的值传递给A。

update = tf.assign(state, new_value)

# 启动图后, 变量必须先经过`初始化` (init) op 初始化,
# 首先必须增加一个`初始化` op 到图中.
init_op = tf.initialize_all_variables()

# 启动图, 运行 op
with tf.Session() as sess:
  # 运行 'init' op
  sess.run(init_op)
  # 打印 'state' 的初始值
  print sess.run(state)
  # 运行 op, 更新 'state', 并打印 'state'
  for _ in range(3):
    sess.run(update)
    print sess.run(state)

# 输出:

# 0
# 1
# 2
# 3

###############################################################################

今天翻看博客，看到一个关于节点和输入很好的一幅图。我是思考为了机电控制中的节点，但是对于没有接触过机电传动的小伙伴，总是那么抽象，上这幅图，是不是一下子就清晰了？

a、b就是输入的tensor或者输入值，大椭圆就是一个节点（op），这个节点的方法是add（求和）。

紧接着看到了这幅图

它展示了有向图的运行方式，数据的流动（flow）也清晰明了。而且同一个节点可以在不同的图中重复调用。

这里猜想：之前说的x要初始化，会不会与多个不同的图有关呢？希望可以得到大神指点，Thanks♪(･ω･)ﾉ

更新：op节点，不如理解成operation的op。感觉这样更明了