• TensorFlow基础——常用函数(三)


    Tensorflow一些常用基本概念与函数(三)

    摘要:本系列主要对tf的一些常用概念与方法进行描述。本文主要针对tensorflow的数据IO、图的运行等相关函数进行讲解。为‘Tensorflow一些常用基本概念与函数’系列之三。

    1、序言

    本文所讲的内容主要为以下相关函数:

    操作组

    操作

    Data IO (Python functions)

    TFRecordWrite,rtf_record_iterator

    Running Graphs

    Session management,Error classes

    2、tf函数

    2.1 数据IO {Data IO (Python functions)}

    一个TFRecords 文件为一个字符串序列。这种格式并非随机获取,它比较适合大规模的数据流,而不太适合需要快速分区或其他非序列获取方式。

    数据IO {Data IO (Python functions)}

    操作

    描述

    class tf.python_io.TFRecordWriter

    一个用于将记录(records)写入TFRecords文件的类

    tf.python_io.TFRecordWriter.__init__(path, options=None)

    打开文件路径,并创建一个TFRecordWriter以供写入

    tf.python_io.TFRecordWriter.write(record)

    将一个字符串records写入文件中

    tf.python_io.TFRecordWriter.close()

    关闭文件

    tf.python_io.tf_record_iterator(path, options=None)

    从TFRecords文件中读取记录的迭代器

     

    2.2 运行图(Running Graphs)

    会话管理 (Session management)

    操作

    描述

    class tf.Session

    运行TF操作的类,

    一个Session对象将操作节点op封装在一定的环境内运行,

    同时tensor对象将被计算求值

    tf.Session.__init__(target=”, graph=None, config=None)

    创建一个新的会话

    tf.Session.run(fetches, feed_dict=None, 

    options=None, run_metadata=None)

    运行fetches中的操作节点并求其值

    tf.Session.close()

    关闭会话

    tf.Session.graph

    返回加载值该会话的图(graph)

    tf.Session.as_default()

    设置该对象为默认会话,并返回一个上下文管理器

    tf.Session.reset(target, containers=None, config=None)

    重设target的资源容器,并关闭所有连接的会话

    在0.10版本该功能仅应用在分布会话中

    target:为执行引擎所连接的目标,其包含有资源容器,

    该资源容器分布在同一个集群的所有works上

    class tf.InteractiveSession

    使用在交互式上下文环境的tf会话,比如shell,ipython

    tf.InteractiveSession.close()

    关闭一个InteractiveSession

    tf.get_default_session()

    返回当前线程的默认会话

    tf.Session

     1 #一个简单的tf.Session例子
     2 # 建立一个graph.
     3 a = tf.constant(5.0)
     4 b = tf.constant(6.0)
     5 c = a * b
     6 
     7 # 将graph载入到一个会话session中
     8 sess = tf.Session()
     9 
    10 # 计算tensor `c`.
    11 print(sess.run(c))
    12  
    13 
    14 #一个会话可能会占用一些资源,比如变量、队列和读取器(reader)。释放这些不再使用的资源非常重要。
    15 #使用close()方法关闭会话,或者使用上下文管理器,释放资源。
    16 # 使用`close()`方法.
    17 sess = tf.Session()
    18 sess.run(...)
    19 sess.close()
    20 
    21 # 使用上下文管理器
    22 with tf.Session() as sess:
    23   sess.run(...)
    24  
    25 
    26 tf.Session()的变量设置, ConfigProto protocol buffer为会话提供了不同的配置选项。比如,创建一个会话,对设备布局使用软约束条件,以及对分布
    27 
    28 # Launch the graph in a session that allows soft device placement and
    29 # logs the placement decisions.
    30 sess = tf.Session(config=tf.ConfigProto(allow_soft_placement=True,
    31                                         log_device_placement=True))

    tf.Session.run

     1 a = tf.constant([10, 20])
     2 b = tf.constant([1.0, 2.0])
     3 # 'fetches' 可以为单个数
     4 v = session.run(a)
     5 # v is the numpy array [10, 20]
     6 # 'fetches' 可以为一个list.
     7 v = session.run([a, b])
     8 # v a Python list with 2 numpy arrays: the numpy array [10, 20] and the
     9 # 1-D array [1.0, 2.0]
    10 # 'fetches' 可以是 lists, tuples, namedtuple, dicts中的任意:
    11 MyData = collections.namedtuple('MyData', ['a', 'b'])
    12 v = session.run({'k1': MyData(a, b), 'k2': [b, a]})
    13 # v 为一个dict,并有
    14 # v['k1'] is a MyData namedtuple with 'a' the numpy array [10, 20] and
    15 # 'b' the numpy array [1.0, 2.0]
    16 # v['k2'] is a list with the numpy array [1.0, 2.0] and the numpy array
    17 # [10, 20].

    tf.Session.as_default() 
    使用关键字with指定会话, 可以在会话中执行Operation.run()Tensor.eval(),以得到运行的tensor结果

    1 c = tf.constant(..)
    2 sess = tf.Session()
    3 
    4 with sess.as_default():
    5   assert tf.get_default_session() is sess
    6   print(c.eval())

    使用函数tf.get_default_session()来得到当前默认的会话 
    需要注意的是,退出该as_default上下文管理器时,并没有关闭该会话(session ),必须明确的关闭会话

     1 c = tf.constant(...)
     2 sess = tf.Session()
     3 with sess.as_default():
     4   print(c.eval())
     5 # ...
     6 with sess.as_default():
     7   print(c.eval())
     8 #关闭会话
     9 sess.close()
    10 #使用 with tf.Session()方式可以创建并自动关闭会话

    tf.InteractiveSession

    1 sess = tf.InteractiveSession()
    2 a = tf.constant(5.0)
    3 b = tf.constant(6.0)
    4 c = a * b
    5 # 我们直接使用'c.eval()' 而没有通过'sess'
    6 print(c.eval())
    7 sess.close()

    以上的例子,在非交互会话的版本中为,

    1 a = tf.constant(5.0)
    2 b = tf.constant(6.0)
    3 c = a * b
    4 with tf.Session():
    5   # We can also use 'c.eval()' here.
    6   print(c.eval())

     

    ABC

    错误类 (Error classes)

    操作

    描述

    class tf.OpError

    一个基本的错误类型,在当TF执行失败时候报错

    tf.OpError.op

    返回执行失败的操作节点,

    有的操作如Send或Recv可能不会返回,那就要用用到node_def方法

    tf.OpError.node_def

    以NodeDef proto形式表示失败的op

    tf.OpError.error_code

    描述该错误的整数错误代码

    tf.OpError.message

    返回错误信息

    class tf.errors.CancelledError

    当操作或者阶段呗取消时候报错

    class tf.errors.UnknownError

    未知错误类型

    class tf.errors.InvalidArgumentError

    在接收到非法参数时候报错

    class tf.errors.NotFoundError

    当发现不存在所请求的一个实体时候,比如文件或目录

    class tf.errors.AlreadyExistsError

    当创建的实体已经存在的时候报错

    class tf.errors.PermissionDeniedError

    没有执行权限做某操作的时候报错

    class tf.errors.ResourceExhaustedError

    资源耗尽时报错

    class tf.errors.FailedPreconditionError

    系统没有条件执行某个行为时候报错

    class tf.errors.AbortedError

    操作中止时报错,常常发生在并发情形

    class tf.errors.OutOfRangeError

    超出范围报错

    class tf.errors.UnimplementedError

    某个操作没有执行时报错

    class tf.errors.InternalError

    当系统经历了一个内部错误时报出

    class tf.errors.DataLossError

    当出现不可恢复的错误

    例如在运行 tf.WholeFileReader.read()读取整个文件的同时文件被删减

    tf.errors.XXXXX.__init__(node_def, op, message)

    使用该形式方法创建以上各种错误类

  • 相关阅读:
    18.9.22 noip模拟赛
    POJ 2299 Ultra-QuickSort
    美团2018年CodeM大赛-初赛B轮 B 配送(最短路)
    Wannafly挑战赛18 E 极差(线段树、单调栈)
    Foj 2299 Prefix(AC自动机、DP)
    求独立矩形个数
    Zoj 3777 Problem Arrangement
    Luogu 2444 [POI2000]病毒 & Zoj 3784
    [ZJOI2007]Hide 捉迷藏
    双联通分量学习笔记
  • 原文地址:https://www.cnblogs.com/zhangchao162/p/10843605.html
Copyright © 2020-2023  润新知