TensorFlow™ su Databricks

Variabili

• Calcolo più rapido di variabili complesse.
• Calcolo distribuito su più sistemi, incluse le GPU.
• Ridondanza ridotta in alcuni calcoli.

Diamo un'occhiata a questi concetti con esempi concreti. Cominciamo con uno script Python molto elementare:

x = 35
y = x + 5
print(y)

Questo script dice semplicemente “crea una variabile x con valore 35, imposta il valore di una nuova variabile y pari a x più 5, cioè 40, e stampa il risultato”. Eseguendo questo programma viene stampato il valore 40. Se non si ha familiarità con Python si può creare un nuovo file di testo chiamato basic_script.py e copiare il codice all'interno del file. Dopodiché si deve salvare il file sul computer ed eseguirlo con:

python basic_script.py

È importante osservare che il percorso (cioè basic_script.py) deve fare riferimento al file, pertanto se si trova nella cartella Code, bisogna utilizzare:

python Code/basic_script.py

Inoltre, bisogna assicurarsi di aver attivato l'ambiente virtuale Anaconda. Su Linux, questo renderà il prompt simile a:

(tensorenv)username@computername:~$

Se funziona, convertiamolo in un equivalente TensorFlow.

import tensorflow as tf

x = tf.constant(35, name='x')
y = tf.Variable(x + 5, name='y')

print(y)

Una volta eseguito, si otterrà un risultato strano, del tipo <tensorflow.python.ops.variables.Variable object at 0x7f074bfd9ef0>. Chiaramente questo non è il valore 40.

Il motivo è che questo programma fa qualcosa di molto diverso rispetto al precedente. Il codice opera nel modo seguente:

1. Importa il modulo tensorflow e lo chiama tf.
2. Crea un valore costante chiamato x e gli assegna il valore numerico 35.
3. Crea una variabile chiamata y e la definisce come equivalente di x + 5.
4. Stampa il risultato dell'operazione per y.

La sottile differenza è che alla variabile y non viene assegnato "il valore corrente di x + 5" come nel programma precedente. Si tratta invece di un'equazione che significa "quando viene calcolata questa variabile, prendi il valore di x (com'è in quel momento) e aggiungi 5". Il calcolo del valore di y non viene mai realmente eseguito nel programma riportato sopra.

Correggiamo l'errore:

import tensorflow as tf

x = tf.constant(35, name='x')
y = tf.Variable(x + 5, name='y')

model = tf.global_variables_initializer()

with tf.Session() as session:
    session.run(model)
    print(session.run(y))

Abbiamo eliminato l'istruzione print(y) e, al suo posto, abbiamo inserito un codice che crea una sessione e calcola effettivamente il valore di y. È un po' lungo, ma funziona così:

1. Importa il modulo tensorflow e lo chiama tf.
2. Crea un valore costante chiamato x e gli assegna il valore numerico 35.
3. Crea una variabile chiamata y e la definisce come equivalente di x + 5.
4. Inizializza le variabili con tf.global_variables_initializer() (entreremo nel dettaglio più avanti).
5. Crea una sessione per calcolare i valori.
6. Esegue il modello creato al punto 4.
7. Esegue solo la variabile y e stampa il valore corrente.

Il punto 4 è quello in cui avviene il trucco. In questo passaggio viene creato un grafo delle dipendenze fra le variabili. In questo caso la variabile y dipende dalla variabile x e quel valore viene trasformato sommandolo a 5. È importante ricordare che questo valore non viene calcolato fino al punto 7, perché fino a quel momento vengono calcolate solo equazioni e relazioni.

1) Le costanti possono essere anche matrici. Prova a indovinare che cosa farà questo codice, poi eseguilo per verificare:

import tensorflow as tf


x = tf.constant([35, 40, 45], name='x')
y = tf.Variable(x + 5, name='y')


model = tf.global_variables_initializer()

with tf.Session() as session:
    session.run(model)
    print(session.run(y))

2) Genera una matrice NumPy di 10.000 numeri casuali (chiamata x) e crea una Variabile che memorizza l'equazione

import numpy as np
data = np.random.randint(1000, size=10000)

import tensorflow as tf


x = tf.Variable(0, name='x')

model = tf.global_variables_initializer()

with tf.Session() as session:
    session.run(model)
    for i in range(5):
        x = x + 1
        print(session.run(x))
        

import tensorflow as tf

x = tf.constant(35, name='x')
print(x)
y = tf.Variable(x + 5, name='y')

with tf.Session() as session:
    merged = tf.summary.merge_all()
    writer = tf.summary.FileWriter("/tmp/basic", session.graph)
    model =  tf.global_variables_initializer()
    session.run(model)
    print(session.run(y))