tensorflow

这是一篇关于tensorflow的博客，这里面很多东西都是很杂碎的，不在此做处理，等积累的多了，理解才能正确。

TensorFlow入门教程

1.TensorFlow深度学习应用实践
评价不好

1. TensorFlow：实战Google深度学习框架（第2版）
   8.6分，可以用来实践

2. Tensorflow：实战Google深度学习框架
   8.4分

4.莫烦的tensorlfow教程
https://github.com/MorvanZhou
适合实践

5.某个网友的自己实现的教程
https://www.jianshu.com/p/27a2fb320934
https://github.com/zhaozhengcoder/Machine-Learning/tree/master/tensorflow_tutorials

6.官网API
https://tensorflow.google.cn/api_docs/python/tf

7.深度学习之TensorFlow入门、原理与进阶实战
7.6分
22章，内容更加详实，偏向理论，可以用来只看不实践

8.TensorFlow实战
7.3分
适合看看，内容不深，实践性不强，理论也很浅
在github上也没有代码

不应该总是要求全部，所以应该这样的顺序来学习
先学：TensorFlow：实战Google深度学习框架（第2版）
再学：莫烦：https://github.com/MorvanZhou+网页的教程
基本就可以了。

print(a.graph == tf.get_default_graph())
tf.get_variable() name 必须双引号

name的作用  https://blog.csdn.net/xiaohuihui1994/article/details/81022043

可以理解成sess需要指定，不能自动加入
.run,.eval能执行的两种方式
with tf.Session(graph=g1) as sess:
    tf.global_variables_initializer().run()
或者
sess = tf.Session()
tf.global_variables_initializer().run(session=sess)
或者
sess = tf.InteractiveSession() # 会自动注册为默认会话
result.eval()
或者
sess = tf.Session()
with sess.as_default():
    result.eval()

####
初始化
init = tf.global_variables_initializer()
w1.initializer


『TensorFlow』使用集合collection控制variables
https://www.cnblogs.com/hellcat/p/9006904.html

collection
import tensorflow as tf

g1 = tf.Graph()
with g1.as_default():
    v = tf.get_variable("v", [1], initializer = tf.zeros_initializer()) # 设置初始值为0
    gv= tf.get_collection(tf.GraphKeys.GLOBAL_VARIABLES # gv = tf.global_variables()
    for var in gv:
        print(var)

现在有了几个概念需要理清楚：
计算图： 不同计算图中的变量是独立的
collection： 不同类型的variable放在不同的collection中，主要是tf.GraphKeys.GLOBAL_VARIABLES和tf.GraphKeys.TRAINABLE_VARIABLES
会话： 会话需要与计算图相连接，完成相应计算图的执行，一个会话对应一个计算图及其执行结果

tf.add_to_collection
https://www.jianshu.com/p/6612f368e8f4

这样就不需要传入weighs和biases，这里的reuse实现了定义和使用的一体化，不需要专门对weights定义和调用。
def inference(input_tensor, reuse=False):
    with tf.variable_scope('layer1', reuse=reuse):
        weights = tf.get_variable("weights")
        biases = tf.get_variable("biases")
    with tf.variable_scope('layer2', reuse=reuse):
        weights = tf.get_variable("weights")
        biases = tf.get_variable("biases")

TFRecord数据格式
https://blog.csdn.net/u012759136/article/details/52232266