TensorFlowの基礎的な使い方

今日もTensorFlowのお話です．

TensorFlow入ってないよって人は，
過去の記事を見てください．
www.nekorokomemordm.info

それではいきましょう．

TensorFlowの基礎って？
TensorFlowでの処理
- 変数とその代入
- プレースホルダー

TensorFlowの基礎って？

TensorFlowとは，データフローグラフという概念を取り入れています．データフローグラフが分かっている方は，飛ばしてもらって構いません．

下のソースコードを見てください．

import tensorflow as tf

a = tf.constant(1, name = 'a')
b = tf.constant(1, name = 'b')
c = a + b
with tf.Session() as sess:
    print(sess.run(c))

一目見るだけでも，1+1の計算をしてそうだなぁ．．．と思う人が多いと思いますが，実際に1+1の計算をしているのは，どの部分だと思いますか？

聞き方で大体察しが付くとは思いますが，

sess.run(c)

が，実際に計算を行っている部分です．
じゃあ，c=a+bは何なのか，気になると思いますが，これがデータフローグラフであります．
データフローグラフとは，「構築」と「実行」が別々に行われた処理のことです．

先に構築をしておくことで，並列・分散処理が可能になっています．

では，a=...b=...c=...の処理は何なんだと思う方がいると思います．下の図を見てください．
f:id:ryuga13tk:20190119183658p:plain

見ましたね？
この図のようなグラフを定義することが，a=...b=...c=...の処理です．

そして，このグラフを定義した後一気にsess.run(c)で，additionを実行します．

このように，「構築」と「実行」を分けています．

TensorFlowでの処理

「TensorFlowの基礎って？」という部分では，tf.constantを使いました．これは定数になっていまして，これからは変数も混ぜたコードになっていきます．

サクサク行きます．説明もないので．

変数とその代入

import tensorflow as tf
a = tf.Variable(1, name = 'a') #変数の宣言
b = tf.constant(1, name = 'b') #定数の宣言
c = tf.assign(a, a +b) #aにa+bの値を代入して，その値を返すと定義

with tf.Session() as sess:
    sess.run(tf.global_variables_initializer()) #すべての変数の初期化
    print("1回目：[c, a] = ", sess.run([c, a]))
    print("2回目：[c, a] = ", sess.run([c, a]))

上記コードを実行すると，
1回目：[c, a] = [2, 2]
2回目：[c, a] = [3, 3]
という結果が出るはずです．
これは，コメントでも説明しているままです．
ちなみに，a = a + bは無理なのか？という質問があるかなと思いますが，出来ますが，実行結果が2になり，その結果がaに代入されません．なので，更新するためにassignを使います．
また，tf.global_variables_initializer()は，すべての変数を初期化するための関数になっています．
変数の初期化にはほかにもtf.initialize_variablesがありますが，一括で初期化できる前者のほうが便利です．

プレースホルダー

プレースホルダーは，実行時に値を入れてあげることができる便利な箱です．
定数だと実行時に変更するのはできないし，変数もできません．なので，プレースホルダーを使います．

import tensorflow as tf

a = tf.placeholder(tf.int32, name = 'a')
b = tf.constant(1, name = 'b')
c = a + b

with tf.Session() as sess:
    print("a + b = ", sess.run(c, feed_dict = {a : 1}))

実行結果は，
a + b = 2
のようになるはずです．

以上が，スカラの計算です．
もちろん，機械学習のライブラリなので，名前の通り行列・・・いや，テンソル(多次元配列)の計算もできます．
ためしに・・・

import tensorflow as tf

a = tf.constant([1, 6], name = 'a')
b = tf.constant([2, 7], name = 'b')
c = a + b
with tf.Session() as sess:
    print(sess.run(c))

を実行してみればわかると思います．
結果は，[ 3 13]です．

これは，ベクトルの計算ですが．
行列の計算だと・・・

import tensorflow as tf

a = tf.constant([[1, 6], [2, 3]], name = 'a')
b = tf.constant([[2, 7], [4, 5]], name = 'b')
c = a + b
with tf.Session() as sess:
    print(sess.run(c))

結果：[[ 3 13]
　　　[ 6 8]]

指定の仕方を変えれば，placeholderでも．．．ほら，簡単に．

import tensorflow as tf

a = tf.placeholder((2, 2), tf.int32, name = 'a')
b = tf.constant([[2, 7], [4, 5]], name = 'b')
c = a + b

with tf.Session() as sess:
    print(sess.run(c, feed_dict = {a : [[1, 6], [2, 3]]}))