TensorFlow に関する整理 by シニアエンジニア

大手ＳＩｅｒで、ＡＩエンジニアを目指すシニア・エンジニアによる”Tensorflow”に取り組んだ際の知識の備忘録。

１．様々な記述方法

TensorFlowは、非常に変化が激しいフレームワークであり、使いやすいもの・すぐれたものを随時吸収していく。その際、基本的な記述方法（生TensorFlow）ではない、記述方法によるコーディングが可能である為、その当たりを整理する。
https://qiita.com/rindai87/items/546991f5ecae0ef7cde3

記述中！
に加え、Eager execution も整理する。

オリジナル、ラッパー、define-by-run　の違い

１．１．　基本的な記載方法

・セッション・オペレーションによる計算

　プログラム　－　演算グラフ（Session）　－　操作（オペレーション；コマンド）で処理が構成

・項目等

　項目としては、定数（constant）、変数（variables）、外部参照（placeholder）

・記述例

import tensorflow as tf

定義

inc = tf.constant(1, name="inc")                 # 定数
cnt = tf.Variable(0, name="cnt")                 # 変数
y = tf.placeholder(tf.int32, name="y")           # プレースホルダー（箱）

処理（オペレーション）の記述

add_opv = tf.add(cnt, inc)                        # 加算
up_op = tf.assign(cnt, add_opv)                   # 値の更新
add_opp = tf.add(cnt, y)                          # 値を代入して加算

実行環境（セッション）の記述（＆実行）

with tf.Session() as sess:                        # セッション開始
    sess.run(tf.global_variables_initializer())   # 変数の初期化

    print(sess.run(up_op))                        # 値の更新を実行
    print(sess.run(up_op))                        #   〃
    print(sess.run(up_op))                        #   〃

    print(sess.run(add_opp, feed_dict={y:1}))     # 値を代入しての加算
    print(sess.run(add_opp, feed_dict={y:3}))     # 　〃

処理結果

1
2
3
4
6

１．２．　グラフ・レスな記載方法（contrib.learn）

　プログラム　－　演算グラフ（Session）　－　操作（オペレーション；コマンド）で処理が構成