tensorflow基本术语解释

计算图、tensor、节点、操作、常量、变量，以及占位符

整体流程

1 计算图、tensor、节点、操作

TensorFlow是一个采用数据流图，用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。TensorFlow的核心编程可以分解为两个离散的部分：

• 构建计算图
• 执行计算图

计算图（computational graph）是一系列被安排成图（graph）中节点（node）的TensorFlow操作（操作也是节点，操作可以认为就是各种计算如加减乘除等）。每个节点都以0或多个张量作为输入，并产生一个张量作为输出。节点的一种类型就是constant。例如，下面的语句构建了一个非常简单的计算图，其中创建了两个浮点数张量node1和node2。

1. node1 = tf.constant(3.0, dtype=tf.float32)  
2. node2 = tf.constant(4.0) # also tf.float32 implicitly  

注意node1和node2是两个节点（张量），要取得它们的值就必须对它们进行evaluate，而要对node进行evaluate，我们就必须在一个session中执行计算图。一个session是对TensorFlow运行时的状态和控制所进行的封装。

2 常量、变量，以及占位符

2.1 常量：constant

1. node1 = tf.constant(3.0, dtype=tf.float32)  
2. node2 = tf.constant(4.0) # also tf.float32 implicitly  

2.2 变量：Variable

Variables允许我们向图中增加可训练的参数。构建Variables一般要指定类型和初始值，例如：

[python]  view plain  copy

1. W = tf.Variable([.3], dtype=tf.float32)  
2. b = tf.Variable([-.3], dtype=tf.float32)  
3. x = tf.placeholder(tf.float32)  
4. linear_model = W * x + b  

（1）Variable和constant区别

Variable和constant的一个区别就在于constant在你调用tf.constant时就会被初始化，而且它们的值不会再改变。相反，在你调用tf.Variable时，Variable并不会被初始化。为了初始化你程序中的Variables，你必须显式地调用下面这个特殊的语句：

[python]  view plain  copy

1. init = tf.global_variables_initializer()  
2. sess.run(init)  

（2）Variable和get_variable区别

W = tf.Variable(tf.constant(0.0,shape=[self.vocab_size,self.embedding_size]), trainable=False, name="W")

Variable必须明确指定初始值。

如果需要把预先的tensor值赋给刚才定义的Variable可以加上如下语句

self.embedding_init = tf.assign(W,self.embedding_placeholder)

W = tf.get_variable("W",[vocab_size,embedding_size],trainable=False)

不同于tf.Variable那样直接传值，tf.get_variable()用initializer来创建变量。一个initializer 就是一个函数，

创建一个形状是shape的张量。

Variable和get_variable中trainable参数都表示该变量是否是随着模型不断迭代。

2.3 占位符：placeholders

一个计算图还可以通过接受外部输入的方法来进行参数化，这被称为placeholders（占位符），一个placeholder可以理解为一种承诺，即后面会提供数值。例如：

[python]  view plain  copy

1. a = tf.placeholder(tf.float32)  
2. b = tf.placeholder(tf.float32)  
3. adder_node = a + b  # + provides a shortcut for tf.add(a, b)  

然后就像函数调用一样，当我们evaluate这个图的时候，就要为placeholders提供输入值（ 也就是最后执行计算图的时候需要把数据feed进去 ）：

[python]  view plain  copy

1. print(sess.run(adder_node, {a: 3, b: 4.5}))  
2. print(sess.run(adder_node, {a: [1, 3], b: [2, 4]}))  

参考：

http://blog.csdn.net/baimafujinji/article/details/78048858