TensorFlow（1）-- 图、会话

tensorflow现在已经更新到2.0，学习时还是使用的1.0的版本，之后更新的所有代码都是版本1.0上写的。

环境：tensorflow1.0、python3.6

tensorflow数据流图：

import tensorflow as tf

tensorflow-图

• 图默认已经注册，一组表示tf.Openration计算单位的对象和tf.Tensor表示操作之间流动的数据单元的对象

• 获取调用：

1. tf.get_default_graph() 
2. op、sess或者tensor的graph属性

图的创建

• tf.Graph()

• 使用新创建的图 

import tensorflow as tf

g = tf.Graph()
with g.as_default():
    a = tf.constant(1.0)
    assert a.graph is g

 tensorflow-会话

• tf.Session()    运行tensorflow操作图的类，使用默认注册的图（可以指定运行图）

• 会话资源    会话可能会有很多资源，如 tf.Variable, tf.QueueBase 和 tf.ReaderBase，会话结束后需要进行资源释放

1. sess = tf.Session()      sess.run(...)     sess.close()
2. 使用上下文管理器    with tf.Session() as sess:  sess.run(...)

会话的run()方法

run(fetches, feed_dict=None, graph=None)

• 运行op和计算tensor，嵌套列表，元祖，nameduple, dict或OrereddDict(重载的运算符也能运行)
• feed_dict 允许调用者覆盖图中指定张量的值，提供给placeholder使用
• 返回值异常

1. RuntimeError：如果它Session处于无效状态（例如已关闭）
2. TypeError：如果feed_dict键是不合格的类型
3. ValueError：如果fetches或feed_dict键无效或引用Tensor不存在

tensorflow  feed操作

• 意义：在程序执行的时候不确定输入的是什么，提前“占个坑”
• 语法：placeholder提供占位符，run时候通过feed_dict指定参数

import tensorflow as tf

input1 = tf.placeholder(tf.float32)
input2 = tf.placeholder(tf.float32)
output = tf.add(input1, input2)
with tf.Session() as sess:
    print(sess.run([output], feed_dict={input1: 10.0, input2: 20.0}))

 

代码示例：

# -*- coding: utf-8 -*-
import tensorflow as tf
import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'  # 忽略警告

# 实现一个简单的加法操作  使用tensorflow的api实现线性回归等等
# 定义的所有tensorflow的API都是op
# op有的是装有数据内容的op
# 打印的就是op当中的tensor

# 新创建一个图
# 在不同的图当中做不同的事情
g = tf.Graph()

with g.as_default():
    c = tf.constant(10.0)
    d = tf.constant(11.0)
    sum1 = tf.add(c, d)
    print(c, d, sum1)

print(g)

a = tf.constant(3.0)
b = tf.constant(4.0)
print(a, b)
# 定义加法
sum = tf.add(a, b)

# 获取图
gra = tf.get_default_graph()
print(gra)

# 通常做法
# sess = tf.Session()
# sess.run()
# sess.close()

# 上下文管理器
# tensorflow当中session会话，会话会掌握很多资源，默认开启的图，会话才可以使用这个图的资源
# 打印设备
# with tf.Session() as sess:
#     print(sess.run(sum))

# python定义变量
name1 = 2.0
cal = name1 + b
print(cal)
with tf.compat.v1.Session(config=tf.ConfigProto(log_device_placement=True)) as sess:
    # eval()是必须在会话的上下文环境运行， 作用：eval = sess.run()
    # print(a.eval())
    # print(sess.run(sum))
    print(sess.run([a, b, sum]))
    print(sess.run(cal))
    # 对于run的解释  对于多个值要放到列表里或者元祖里一起读取打印,int、、等等类型不能在tensorflow的会话当中去去运行