用 TensorFlow 做一个小动画

感觉 Caffe 已经很久没有大动作了，一年一个贺岁 RC 确实没有太大意思，而且依赖太多太多，而且要不停地转化 “conf 思维” 和 “code” 思维。最关键的，没有 GPU 的我，实在无法忍受单线程来跑训练。

既然是一张白纸，那就从 TensorFlow 入手吧。

在迷迷糊糊看完了官方 Tutorial 之后更加迷茫了：怎么练习？找了好久，发现了这个小练习：__Conway‘€™s Game of Life __。

Conway’€™s Game of Life

棋盘上的每一个格子都是一个细胞。细胞有两种状态：活着（1）和死了（0）。初始状态下，这些细胞的状态是随机的。之后的每一步，这些细胞都会按照如下规则来决定它们的状态：

1. 一个活细胞周围有 0-1 个活细胞，那么它会死去
2. 一个活细胞周围有 2-3 个活细胞，那么它继续存活
3. 一个活细胞周围有 4 个活细胞，那么它会死去。
4. 一个死细胞周围有 3 个活细胞，那么它会复活。

下面，我们来用 TensorFlow 实现一下这个过程。

实现

首先，我们定义棋盘的大小，并说明如何初始化棋盘：

shape = (50, 50)
initial_board = tf.random_uniform(shape, minval=0, maxval=2, dtype=tf.int32)
board = tf.placeholder(tf.int32, shape=shape, name='board')

这里我们使用 board 来做棋盘。

然后，我们来实现细胞们的更新：

def update_board(X):
    N = convolve2d(X, np.ones((3, 3)), mode='same', boundary='wrap') - X
    return (N == 3) | (X & (N == 2))
board_update = tf.py_func(update_board, [board], [tf.int32])

里面的公式 (N == 3) | (X & (N == 2)) 的证明可以看 这里。我们使用一个卷积来更新所有细胞状态。tf.py_func 其实可以看做一个 lambda 函数。

最后，我们启动这个图，让细胞们 “动起来”：

with tf.Session() as session:
    X = session.run(initial_board)
    plt.imshow(X, cmap='Greys', interpolation='nearest')
    while True:
        plt.show()
        X = session.run(board_update, feed_dict={board: X})[0]
        plt.imshow(X, cmap='Greys', interpolation='nearest')

原文 里面通过使用 matplotlib.animation.FuncAnimation，可以使所有结果都通过同一个 fig 进行展现，我看了好久没有看懂这个函数的 使用说明，就使用了最暴力的办法。

效果

或者 点击这里查看视频。