Tensorflow框架

1. 什么是Tensorflow

Tensorflow是Google开源的基于数据流图的科学计算库，适用于机器学习。Tensor的意思是张量，向量是一阶张量，矩阵是二阶张量；flow是流动的意思。因此Tensorflow的意思是张量在图中流动。

Tensorflow使用tensor来表示数据；使用图(graph)来表示计算任务；在会话(session)的上下文(context)中执行图。

TensorFlow是一个编程系统，使用图来表示计算任务。图中的节点被称之为op (operation 的缩写)。一个op获得0个或多个Tensor，执行计算，产生0个或多个Tensor。每个Tensor 是一个类型化的多维数组。一个TensorFlow图描述了计算的过程。为了进行计算，图必须在会话里被启动。会话将图的op分发到诸如CPU或GPU之类的设备上，同时提供执行op的方法。这些方法执行后，将产生的tensor返回。在Python语言中，返回的tensor是numpy中的ndarray对象。

2.构建图

构建图的第一步是创建源op(source op)，源op不需要任何输入，例如常量(Constant)。源op的输出被传递给其它op做运算。

import tensorflow as tf

# 创建一个常量 op, 产生一个 1x2 矩阵. 这个 op 被作为一个节点加到默认图中.

matrix1 = tf.constant([[3., 3.]])

 

# 创建另外一个常量 op, 产生一个 2x1 矩阵.

matrix2 = tf.constant([[2.],[2.]])

 

# 创建一个矩阵乘法 matmul

product = tf.matmul(matrix1, matrix2)

TensorFlow的Python库有一个默认图(default graph)，op构造器可以为其增加节点。这个默认图对许多程序来说已经足够用了。

import tensorflow as tf

 

# 创建一个常量 op, 产生一个 1x2 矩阵. 这个 op 被作为一个节点加到默认图中.

# 构造器的返回值代表该常量 op 的返回值.

matrix1 = tf.constant([[3., 3.]])

 

# 创建另外一个常量 op, 产生一个 2x1 矩阵.

matrix2 = tf.constant([[2.],[2.]])

 

# 创建一个矩阵乘法 matmul

product = tf.matmul(matrix1, matrix2)

 

if matrix1.graph is tf.get_default_graph():

print('matrix1所在的图（Graph）是当前上下文默认的图')

 

if matrix2.graph is tf.get_default_graph():

print('matrix2所在的图（Graph）是当前上下文默认的图')

 

if product.graph is tf.get_default_graph():

print('product所在的图（Graph）是当前上下文默认的图')

运行结果：

matrix1所在的图（Graph）是当前上下文默认的图

matrix2所在的图（Graph）是当前上下文默认的图

product所在的图（Graph）是当前上下文默认的图

3.启动图

构造阶段完成后，才能启动图。启动图的第一步是创建一个Session对象，如果无任何创建参数，会话构造器将启动默认图。

# 方法1

import tensorflow as tf

 

# 创建一个常量 op, 产生一个 1x2 矩阵. 这个 op 被作为一个节点加到默认图中.

matrix1 = tf.constant([[3., 3.]])

 

# 创建另外一个常量 op, 产生一个 2x1 矩阵.

matrix2 = tf.constant([[2.],[2.]])

 

# 创建一个矩阵乘法 matmul op , 把 'matrix1' 和 'matrix2' 作为输入.

# 返回值 'product' 代表矩阵乘法的结果.

product = tf.matmul(