Tensorflow基础

Tensorflow基础

要利用好深度学习所带来的福利，选择一款好的深度学习工具必不可少。在谷歌内部，Tensorflow已经被成功应用到语音搜索、广告、电商、图片、街景图、翻译、YouTube等众多产品之中。基于Tensorflow开发的RankBrain排序算法在谷歌上千种排序算法中排在第三重要的位置。对比不同开源深度学习工具的社区活跃度，Tensorflow远远超过其他工具。
Tensorflow的三个基本概念：

• 计算图（tf.Graph）
• 张量（tf.Tensor）
• 会话(tf.Session)

TensorFlow 计算模型—计算图

Tensorflow 中的每一个计算都是计算图上的一个节点，而节点之间的边描述了计算之间的依赖关系。Tensorflow程序一般可以分为两个阶段：

• 第一阶段需要定义计算图中所有的计算
• 第二阶段为执行计算

以下代码给出了计算定义阶段的样例：

import tensorflow as tf

a = tf.constant([1, 2], name="a", dtype=tf.float32)
b = tf.