#Basic Usage
将计算表征为图
图中有节点,节点表示operation
op掌握0个或多个Tensor,执行计算,产生0个或多个Tensor
Tensor是一个多维数组
可以将一组图片表示为一个4维浮点数组[batch, height, width, channels]
graph是计算的描述,计算任何东西都要从session里启动。session将graph ops部署到设备上,并提供执行方法。
在构建阶段,tensorflow创建了一幅图以代表和训练一张神经网络,并且在执行阶段,重复地执行一系列的训练operation
一幅图以不需要输入的ops为始,例如Constant,并且把这些ops的输出传递给其他ops作为输入
ops对象会返回对象,这个对象代表了ops的输出,你可以把这些对象传递给其他ops作为输入用
tensorflow使用tensor数据结构去代表所有的数据——只有tensor在graph的ops之间传递。可以认为tensor是一个n维数组或者list。tensor有着静态的类型、排序和形状。
想得到某个值,需要将产生这个值的ops运行(run)一次
将tensors引入computation graph可以选择将它们存入Constants和Variables。或者,也可以使用feed机制将tensor直接写入图中任意的ops。
feed只被使用在run call中,最常见的用法是使用tf.placeholder() 创建需要被“feed”的ops。
python API "saver"仅仅存储模型中的Variables,而不是模型/图本身
转载于:https://my.oschina.net/hounLeft/blog/720727