【深度学习】TensorFlow基础介绍

TensorFlow

模型

张量、变量共同点：具有形状、类型、值等3个属性。

不同点：变量可被TensorFlow的自动求导机制求导，常被用于机器学习模型的参数。

tfrecord

tensorflow定义的数据格式，一种二进制文件格式，用于保存和读取图像和文本数据。tfrecord文件包含了tf.train.Example protobuf数据。It is designed for use with TensorFlow and is used throughout the higher-level APIS such as TFX.

基本结构与数据类型

tf.train.Example的数据结构是一个字典称为Features，其内部结构可从proto文件看出：

message Example {
 Features features = 1;
};
 
message Features{
 map<string, Feature> featrue = 1;
};
 
message Feature{
    oneof kind{
        BytesList bytes_list = 1;
        FloatList float_list = 2;
        Int64List int64_list = 3;
    }
};

数据类型Feature有3个，Int64、Bytes、Float；Int64存储bool、Enum、uint32、int32、int64、uint64，Bytes存储字符串、二进制，Float存储float（float32）和double（float64）。

文件格式即把数据参考字典结构做二进制数据的protobuf序列化，称为string。

def serialize_example(f1, f2, f3, f4):
    fts = {
   
        "feature0": _int64_feature(f1),
        "feature1": _int64_feature(f2),
        "feature2": _bytes_feature(f3),
        "feature3": _float_feature(f4),
    }
    m = tf.train.Example(features=tf.train.Features(feature=fts))
    return m.SerializeToString()
ps = serialize_example(3, True, b"goal", 0.999)
ex_proto = tf.train.Example.FromString(ps)

tf.train.Feature是被tf.train.Example兼容的。