本主題內容：體驗Tensorflow的兩種執(zhí)行方式：

1. Tensorflow的Eager（立即）運行方式
2. Tensorflow的Graphs（圖）運行方式

• Tensorflow提供兩種數(shù)據(jù)處理方式
  • Eager
    TensorFlow 的Eager執(zhí)行是傳統(tǒng)的編程方式抓督，直接對實際的數(shù)據(jù)立即執(zhí)行運算匪傍，操作會返回具體的值；
  • Graphs
    TensorFlow 的Graphs執(zhí)行是類似泛型模板編程方式疗涉，先對數(shù)據(jù)與計算過程進行模板描述裸诽，然后對具體的數(shù)據(jù)進行實例化執(zhí)行验烧，并獲取結果的方式怜跑。
    Graphs的核心是構建圖，圖的主要元素是節(jié)點锥腻，Graphs中關鍵節(jié)點有兩個：數(shù)據(jù)節(jié)點，運算節(jié)點母谎。數(shù)據(jù)輸入瘦黑、處理、輸出構成節(jié)點這幾件的運算與數(shù)據(jù)流流^[1]奇唤，借用官方的一張示意圖可以說明計算節(jié)點幸斥、數(shù)據(jù)節(jié)點與圖：
    圖表示的數(shù)據(jù)處理流

• Tensorflow引入了一些符號來表示圖，截圖說明如下：

  圖的表述符號（有箭頭的表示核心節(jié)點與節(jié)點關系）

• 準備

  • 1. 安裝Tensorflow

  pip  install tensorflow   -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
  

  這是使用的是速度比較快的鏡像站點咬扇，可以使用默認的官方站點甲葬。

  • 2. 在python程序中import模塊

  import tensorflow as tf  
  

  • 3. 例子的計算任務描述
       計算兩個隨機矩陣的內積（）。

一懈贺、體驗Eager執(zhí)行方式

1经窖、啟動Eager執(zhí)行模式

• 啟動eager執(zhí)行環(huán)境，并檢測是否是eager執(zhí)行環(huán)境梭灿，如果不是eager執(zhí)行環(huán)境画侣，則終止程序退出。

   import sys
   import numpy as np
   import tensorflow as tf
   
   #1.開啟eager執(zhí)行方式
   tf.enable_eager_execution()
   
   #2.判定當前是否是eager執(zhí)行方式
   if tf.executing_eagerly():
       print("Eager執(zhí)行方式")
   else:
       print("Graphs執(zhí)行方式")
       sys.exit(-1)
  

2堡妒、Eager執(zhí)行代碼

• 在計算中使用了兩個numpy數(shù)組（矩陣）配乱，運算調用的是tensorflow的內積計算函數(shù)matmul。

    #實現(xiàn)eager執(zhí)行方式
    m1=np.random.uniform(0,1,(4,3))
    m2=np.random.uniform(0,1,(3,2))
    
    r=tf.matmul(m1,m2)
    
    print(r)
  

• 程序輸出如下：

  Eager執(zhí)行模式下的輸出結果

• 如果把eager模式代碼注釋掉，則運行結果如下：

  Grahps執(zhí)行方式下的輸出結果

??在Graphs執(zhí)行方式下搬泥，該怎樣才能得到結果桑寨？下面使用來說明。

二忿檩、體驗Graphs執(zhí)行方式

• Graphs執(zhí)行模式是別人設計好的西疤，使用的時候需要按照設計來使用，用好Graphs就多看官方文檔休溶。
• 使用Graphs執(zhí)行方式最大的好處代赁，只要描述清楚數(shù)據(jù)與運算流程，細節(jié)都由API來執(zhí)行（比如在Graphs模式下兽掰，感知器的訓練中的激活函數(shù)與損失誤差函數(shù)的導數(shù)都會交給API自動完成）芭碍。Eager傳統(tǒng)模式，則需要關注所有細節(jié)（在Eager模式下孽尽，感知器的訓練中窖壕，激活函數(shù)與誤差損失函數(shù)都需要程序員處理）。

1.Graphs執(zhí)行方式的模式

• Graphs編程模式分成兩步：
  • （1）描述數(shù)據(jù)杉女、運算以及運算流程瞻讽。
  • （2）構建運行會話環(huán)境，執(zhí)行運算熏挎。

2.Graphs代碼實現(xiàn)

• 描述數(shù)據(jù)速勇，運算與運算流程
  這里沒有復雜的運算流程（通過函數(shù)的輸入，輸出形成數(shù)據(jù)與運算流程）坎拐，可能不足以提現(xiàn)Graphs執(zhí)行方式的強大烦磁。

    #1.描述圖：數(shù)據(jù)節(jié)點，運行節(jié)點
    #數(shù)據(jù)節(jié)點
    m1=np.random.uniform(0,1,(4,3))
    #數(shù)據(jù)節(jié)點
    m2=np.random.uniform(0,1,(3,2))
    #運算節(jié)點（r也算數(shù)據(jù)節(jié)點哼勇，通過matmul建立與m1都伪、m2的數(shù)據(jù)與運算流 ）
    r=tf.matmul(m1,m2)
  

• 構建會話環(huán)境，執(zhí)行運算

    #2.構建會話執(zhí)行環(huán)境积担，并執(zhí)行圖陨晶。
    #構建會話對象
    session=tf.Session()
    #使用會話初始化變量環(huán)境
    init_op= tf.global_variables_initializer()  #構建一個初始化器
    session.run(init_op)                        #執(zhí)行初始化器，并完成全局變量初始化
  
    #執(zhí)行運算
    re=session.run(r)                           #返回結果
    print(re)
  

• 完整代碼

    #coding=utf-8
    import numpy as np
    import tensorflow as tf
  
    #1.描述圖：數(shù)據(jù)節(jié)點帝璧，運行節(jié)點
    #數(shù)據(jù)節(jié)點
    m1=np.random.uniform(0,1,(4,3))
    #數(shù)據(jù)節(jié)點
    m2=np.random.uniform(0,1,(3,2))
    #運算節(jié)點（r也算數(shù)據(jù)節(jié)點先誉，通過matmul建立與m1、m2的數(shù)據(jù)與運算流 ）
    r=tf.matmul(m1,m2)
  
  
    #2.構建會話執(zhí)行環(huán)境聋溜，并執(zhí)行圖谆膳。
    #構建會話對象
    session=tf.Session()
    #使用會話初始化變量環(huán)境
    init_op= tf.global_variables_initializer()  #構建一個初始化器
    session.run(init_op)                        #執(zhí)行初始化器，并完成全局變量初始化
  
    #執(zhí)行運算
    re=session.run(r)                           #返回結果
    print(re)
  

• 執(zhí)行結果

  Graphs執(zhí)行方式下執(zhí)行結果

【資源】

相關代碼：

1. t01_eager.py（體驗eager執(zhí)行方式）
2. t01_graphs.py（體驗graphs執(zhí)行方式）
   下載：【 代碼(github) 】

1. [數(shù)據(jù)流]：是一種用于并行計算的常用編程模型撮躁。在數(shù)據(jù)流圖中漱病，節(jié)點表示計算單元（橢圓表示）與計算使用或產生的數(shù)據(jù)（矩形表示）买雾。 ?