既存のTensorflow入門が気に食わないので自分で動画の説明を作ろうと思い、そのための補助教材置き場です。少し触ってみたけど良く分からない、という人向けに、エッセンスを話すのを目的とします。

このサイト以前の入門

このサイト自体は「Tensorflowを少し触ってみたが良く分からなかった」という人向けのつもりなので、インストールした事が無い、とか、Pythonを全く知らない、という人は対象にしていません。

そこで「とりあえずこの位知っている事を前提に話をします」というような前提をここに記しておきます。自分に不足しているな、と思う所があれば、以下を適当に参考にしてください。

これだけ知っていれば大丈夫、という自己診断

「https://github.com/karino2/tensorflow-introduction/ をgit cloneしてsourcesの中を見て」と言われて出来る
CS231nのPython Numpyチュートリアルを見て大体分かる (分からない場合は以下の「Pythonの最低限の基礎知識」を参考の事）
本家の Getting Startedの「Complete program」の所にあるコードを見て、似たようなコードに見覚えがある（初めて見た！という人は「Tensorflowを全く触った事が無い、という人はまず何をやるべきか？」を参考の事）

とりあえずこの3つが分かるなら、後述の事前準備から初めて問題ありません。

Pythonの最低限の知識

あまり専門的な知識を前提とする気はないので、関数とクラスが書けてリスト内包表記がわかるくらいの人なら、別段予習は必要ありませんが、苦手と思っている人は以下くらいをいやっておくと万全。

CS231nのPython Numpyチュートリアル
- これ見るくらいで十分です。
Pythonチュートリアル
- 上記のチュートリアルでは分からない、という人はこちらを先にやるのがオススメ。
- CS231nのチュートリアルを見て、分からない所をこちらで調べる、という感じに使えば十分
- CS231nの方がついていくのが辛くてこちらのPythonチュートリアルの方がやりやすい、という人は以下の感じで進める
  - 最低1から4まで
  - 出来たらさらに
    - 6
    - 9.1から9.3まで
    - 12くらいを読んでおくと万全
Python Cookbook
- こちらはさらに学びたい人用(事前準備というレベルでは不要です)
- 辞書的に使う。目次に軽く目を通しておいて、調べたい事が出てきたら、調べるついでに付近を読む、という感じに使う
- （この入門という枠を超えて）データ分析のPythonとしては、Pythonチュートリアルとcookbookだけで十分

Tensorflowを全く触った事が無い、という人はまず何をやるべきか？

まずは本家のgetting startedを読んで行くのが良い。

本家の Getting Started

これの「Complete program」までを読めば良いと思う（estimatorからは見なくて良い）このComplete programを見て、見慣れた物だと感じる人なら十分です。

Getting startedをはじめ見た人で、さっぱりなんだか分からない、という人は、次にCS 20SIのスライドを二つ程眺める。

CS 20SI
- Overview of Tensorflow
- Operations

ここまで見て、良く分からない！という人が対象の話となります。

事前準備

動画に入る前に少し触ってみた事はある、という事を前提にしたいと思うので、以下くらいをやってみて欲しいと思います。

tensorflowとjupyter notebookのセットアップ（してなければ）
2つのkoansを解いておく
- 分離直線を求める koans_linear_classifier.ipynb
  - 解答
- 多項式フィッティング koans_curve_fitting.ipynb
  - 解答

なお、上記のkoansには必要なDockerfileが入っているので、Docker分かる人はそれを使ってもらっても構いません（分からない人は無視してもらってもOKです）

ゆるふわTensorflow入門

tensorflowの基礎を説明する入門動画のシリーズです。karino2が＠Ikeda_yu にTensorflolwを教える、という形をとった、Tensorflow解説動画シリーズです。

このサイトをここまで見てきた事を前提に、少し分かりにくい所などを説明していきます。

ゆるふわTensorflow 全五回再生リスト

第一回はじめに

第一回はこのシリーズの狙いと、聞き手の＠Ikeda_yu の簡単な自己紹介です。

第二回 Tensorflow概要

Tensorflowとは何か
- コアはグラフを分散実行するライブラリ
  - Computation Graphは設計図
  - 何故グラフか？
  - ノードはop、エッジはtensorが流れる
  - client, master, worker
- Python部は自動微分やOptimizer

第三回 CPUとGPUってなーに？

CPUとGPUの違い
- マニュアルとベルトコンベア

第四回 PlaceholderとVariable

tf.Variableとtf.Placeholder
- グラフのcollectionsとtrainnable
Pythonにおける足し算とシンタックスシュガー

第五回 train_opってなんなのさ？

Optimizerとは何なのか？
- compute_grads
- apply_gradsとassign

番外編

computation graphが良く分からない、というフィードバックがあったので、computation graphの補講を作ってみました！

つくってわかる！computation graph（ゆるふわTensorflow入門、番外編）

結構頑張って作ったので、こちらも見ていただけたら幸いです。（ただしちょっと本シリーズよりは難し目の内容です）。

以下自分用メモ

ops.GraphKeys.TRAINABLE_VARIABLESは

TRAINABLE_VARIABLES = "trainable_variables"

ops.add_to_colectionsはdefault_graphのadd_to_collectionsを呼ぶ

Graphは_collectionsというメンバ変数の辞書に、このキーで変数を保持する。

Optimizerのminimimzeはcomnpute_gradsした後にapply_gradientsした結果を返す。

var_list = (
          variables.trainable_variables() +
          ops.get_collection(ops.GraphKeys.TRAINABLE_RESOURCE_VARIABLES))

が微分対象

variables.trainable_variables()は

ops.get_collection(ops.GraphKeys.TRAINABLE_VARIABLES, scope)

で、だいたいdefault_graphから取ってくる。