TensorFlow Readme

常用参数说明

• 函数书写声明同Python全局

• 以下常用参数如不特殊注明，按照此解释

Session

• target = ""/str

  • 含义：执行引擎

• graph = None/tf.Graph

  • 含义：Session中加载的图
  • 默认：缺省为当前默认图

• config = None/tf.ConfigProto

  • 含义：包含Session配置的Protocal Buffer
  • 默认：None，默认配置

• fetches = tf.OPs/[tf.OPs]

  • 含义：需要获得/计算的OPs值列表
  • 默认：无

• feed_dict = None/dict

  • 含义：替换/赋值Graph中feedable OPs的tensor字典
  • 默认：无
  • 说明
    • 键为图中节点名称、值为向其赋的值
    • 可向所有可赋值OPs传递值
    • 常配合tf.placeholder（强制要求）

Operators

• name = None/str

  • 含义：Operations名
  • 默认：None/OP类型，后加上顺序后缀
  • 说明
    • 重名时TF自动加上_[num]后缀

• axis = None/0/int

  • 含义：指定张量轴
  • 默认
    • None：大部分，表示在整个张量上运算
    • 0：有些运算难以推广到整个张量，表示在首轴（维）

• keepdims=False/True

  • 含义：是否保持维度数目
  • 默认：False不保持

• dtype=tf.int32/tf.float32/...

  • 含义：数据类型
  • 默认：根据其他参数、函数名推断

• shape/dims=(int)/[int]

  • 含义：各轴维数
  • 默认：None/1???
  • 说明
    • -1表示该轴维数由TF计算得到
    • 有些情况下，此参数可省略，由TF隐式计算得到， 但显式指明方便debug

• start=int

  • 含义：起始位置
  • 默认：0

• stop=int

  • 含义：终点位置
  • 默认：一般无

TensorFlow基本概念

• TensorFlow将计算的定义、执行分开

流程

组合计算图

• 为输入、标签创建placeholder
• 创建weigth、bias
• 指定模型
• 指定损失函数
• 创建Opitmizer

在会话中执行图中操作

• 初始化Variable
• 运行优化器
• 使用FileWriter记录log
• 查看TensorBoard

PyTF 模块

tf.nn

tf.nn：神经网络功能支持模块

• rnn_cell：构建循环神经网络子模块

tf.contrib

tf.contrib：包含易于变动、实验性质的功能

• bayesflow：包含贝叶斯计算
• cloud：云操作
• cluster_resolver：集群求解
• compiler：控制TF/XLA JIT编译器
• copy_graph：在不同计算图之间复制元素
• crf：条件随机场
• cudnn_rnn：Cudnn层面循环神经网络
• data：构造输入数据流水线
• decision_trees：决策树相关模块
• deprecated：已经、将被替换的summary函数
• distributions：统计分布相关操作
• estimator：自定义标签、预测的对错度量方式
• factorization：聚类、因子分解
• ffmpeg：使用FFmpeg处理声音文件
• framework：框架类工具，包含变量操作、命令空间、 checkpoint操作
• gan：对抗生成相关
• graph_editor：计算图操作
• grid_rnn：GridRNN相关
• image：图像操作
• input_pipeline：输入流水线
• integrate：求解常微分方程
• keras：Keras相关API
• kernel_methods：核映射相关方法
• kfac：KFAC优化器
• labeled_tensor：有标签的Tensor
• layers：类似nn里面的函数，经典CNN方法重构
• learn：类似ski-learn的高级API
• legacy_seq2seq：经典seq2seq模型
• linalg：线性代数
• linear_optimizer：训练线性模型、线性优化器
• lookup：构建快速查找表
• losses：loss相关
• memory_stats：设备内存使用情况
• meta_graph_transform：计算图转换
• metrics：各种度量模型表现的方法
• nccl：收集结果的操作
• ndlstm：ndlstm相关
• nn：tf.nn某些方法的其他版本
• opt：某些优化器的其他版本
• predictor：构建预测器
• reduce_slice_ops：切片规约
• remote_fused_graph
• resampler：重抽样
• rnn：某些循环神经网络其他版本
• saved_model：更加易用的模型保存、继续训练、模型转换
• seq2seq：seq2seq相关模型
• session_bundle
• signal：信号处理相关
• slim：contrib主模块交互方式、主要入口
• solvers：贝叶斯计算
• sparsemax：稀疏概率激活函数、相关loss
• specs
• staging：分段输入
• stat_summarizer：查看运行状态
• statless：伪随机数
• tensor_forest：可视化工具
• testing：单元测试工具
• tfprof：查看模型细节工具
• timeseries：时间序列工具
• tpu：TPU配置
• training：训练及输入相关工具
• util：Tensors处理相关工具

tf.train

tf.train：训练模型支持

• 优化器

  • AdadeltaOptimizer：Adadelta优化器
  • AdamOptimizer：Adam优化器
  • GradientDescentOptimizer：SGD优化器
  • MomentumOptimizer：动量优化器
  • RMSPropOptimizer：RMSProp优化器

• 数据处理

  • Coordinator：线程管理器
  • QueueRunner：管理读写队列线程
  • NanTensorHook：loss是否为NaN的捕获器
  • create_global_step：创建global step
  • match_filenames_once：寻找符合规则文件名称
  • start_queue_runners：启动计算图中所有队列

• tfrecord数据

  • Example：tfrecord生成模板
  • batch：生成tensor batch
  • shuffle_batch：创建随机tensor batch

• 模型保存、读取

  • Saver：保存模型、变量类
  • NewCheckpointReader：checkpoint文件读取
  • get_checkpoint_state：从checkpoint文件返回模型状态
  • init_from_checkpoint：从checkpoint文件初始化变量
  • latest_checkpoint：寻找最后checkpoint文件
  • list_variable：返回checkpoint文件变量为列表
  • load_variable：返回checkpoint文件某个变量值

tf.summary

tf.summary：配合tensorboard展示模型信息

• FileWriter：文件生成类
• Summary
• get_summary_description：获取计算节点信息
• histogram：展示变量分布信息
• image：展示图片信息
• merge：合并某个summary信息
• merge_all：合并所有summary信息至默认计算图
• scalar：展示标量值
• text：展示文本信息