Tensorflow的初级入门

Tensorflow是一个采用数据流图(data flow graphs),用于数值计算的开源软件库。在具体编程时有点类似于声明式编程。先介绍几个最基础的概念。

• 数据流图：tensorflow中使用图来计算任务，就是说如果想完成一个伟大的壮举首先得先把蓝图规划好。有了蓝图再一步步的往下进行。
• 会话：在会话中执行图，会话将图中的节点发到CPU/GPU中执行。有点像是告诉大家好了我要从现在开始实施我的蓝图了。
• tensor：节点是tensorflow中的一种数据结构，可以看成一个n维的数组或者列表。
• 变量：用来维护图中的状态，变量的值在执行时可以被改变，但是必须要先初始化才可以执行（variable.initializer.run（）或者可以用tf.global_variables_initializer()）
• 节点：一般用op表示，一个op一般用n个tensor进行计算，返回m个tensor
• feed：用来给op喂数据的
• fetch：取回op的值的

基础操作之——执行简单的加减乘除运算

import tensorflow as tf

#tf.constant()是创建一个常量，是一个tensor
a=tf.constant([[1,2],[2,1]])
b=tf.constant([[2,2],[1,2]])

#执行乘法操作，此时图已经创建完毕
product = tf.matmul(a,b)

#定义一个会话，在会话中执行图
with tf.Session() as sess:
    result = sess.run(product)
    print(result)
    #自动结束会话

返回结果：[[4 6]，[5 6]]

基础操作之——变量怎么用？

变量在使用之前必须要先赋值而且只有初始化后才可以运行。这里的tf.InteractiveSession()能在运行图的时候，插入一些计算图，这些计算图是由某些操作(operations)构成的。这对于工作在交互式环境中的人们来说非常便利。

与tf.session()的区别是：在使用tf.InteractiveSession()来构建会话的时候，我们可以先构建一个session然后再定义操作（operation），如果我们使用tf.Session()来构建会话我们需要在会话构建之前定义好全部的操作（operation）然后再构建会话。

import tensorflow as tf

#定义一个常量
a=tf.constant([[1,2],[2,1]])

sess = tf.InteractiveSession()

#定义一个变量
x = tf.Variable([[3],[5]])

#必须先初始化才能用
x.initializer.run()

#进行减法操作
sub = tf.subtract(x,a)
print(sub.eval())