TensorFlow API如何運作

主旨：透過實作了解 TensorFlow

[GCP Lab實作-6]：撰寫低階的TensorFlow程式

在這個實作中，我們將學會：

• 建構一個圖(graph)
• 運行一個圖
• 餵值近一個圖
• 用TensorFlow計算三角形面積

[Part 1]：開始使用TensorFlow

1. 登入GCP，開啟Notebooks後，複製課程 Github repo (如Day9的Part 1 & 2步驟)。

2. 在左邊的資料夾結構，點進 training-data-analyst > courses > machine_learning > deepdive > 03_tensorflow，然後打開檔案 a_tfstart.ipynb。

3. 首先我們先用常用的numpy來做張量的加法。

4. 接著我們來看看在TensorFlow裡面要做加法的話該怎麼做，一開始要先建立圖。

5. 再來就是運行圖( sess.run(c) )。

6. 使用 feed_dict={} 來給進 Placeholder 的值。

7. 接著我們從TensorFlow來計算三角形的面積，使用有名的海龍公式。

8. 前一步是使用 tf.constant 將值傳入計算面積的函式裡，這邊我們使用 tf.placeholder 的方式。

9. TensorFlow預設是惰性求值，那麼要改成急切模式的話該如何使用呢？答案是 tf.enable_eager_execution() 。

TensorFlow程式除錯

因為TensorFlow預設是惰性求值，在沒有改成急切模式前，若要除錯的話需要一些技巧，大致上和一般來除錯的步驟類似：

1. 閱讀錯誤訊息
2. 獨立出有疑問的方法
3. 送入一些給定的資料進去方法看看
4. 知道如何解決一般常見的問題

張量形狀不同的錯誤

而在使用張量運算時，最容易出錯的就是形狀(shape)，或者說是張量維度在運算間的不一致，如下圖例子，將一個(4,2)的張量和(4,)的張量做加法，維度是不一致的，這樣在TensorFlow中就會出現錯誤訊息。

又或者是輸入批次資料的大小，如下面例子，通常會是不固定的，所以會給 None 來表示可變化，若這時候給進的資料沒有對上一開始設定的維度也會出錯。

形狀的錯誤算是蠻常見的錯誤，如果遇到這類的錯誤我們可以用下列的四種方法來解決：

1. tf.reshape()
2. tf.expand_dims()
3. tf.slice()
4. tf.squeeze()

資料型態不同的錯誤

第二種常見的錯誤便是資料型態不同造成的錯誤，例如下圖是將float32和int32混用造成的錯誤訊息。

舉個簡單的例子來看，若今天要計算 a+b ，a 是浮點數，但 b 是整數，這樣子的加法在TensorFlow也會出現錯誤訊息。

一般類似這樣的錯誤，通常我們會使用 tf.cast() ，將資料型態作轉換，便可解決不同型態造成的問題。

全部程式的除錯

那麼如果我是遇到更困難、複雜的錯誤呢？這時候就需要用到除錯的工具了，下面三種是常用來除錯全部程式的工具。

tf.Print() 可以用在你懷疑出錯的地方，讓該地方的值印出來，看看是不是你設想的樣子。

而另一種方式就是在程式執行時，多下 --debug，讓TensorFlow程式進入debug模式，這時候就可以設定一般除錯時會用到的如break point，可以做更進一步的除錯。

今天實際操作了簡單的TensorFlow程式並且說明除錯的方式，明天我們將介紹 “Estimator API”。