Tensorflow学习和应用(1)

Tensorflow基本概念

• 使用图（graphs）来表示计算任务
• 在被称之为会话（session）的上下文（context）中执行图
• 使用tensor表示数据
• 使用变量（Variable）维护状态
• 使用feed和fetch可以为任意的操作赋值或者从其中获取数据

TensorFlow是一个编程系统，使用图（graphs）来表示计算任务，图中的节点称之为op（operation），一个op获得0个或多个tensor，执行计算，产生0个或多个tensor，tensor看作是一个n维的数组或列表。
图必须在会话（Session）里被启动

tensorflow结构

import tensorflow as tf
import os ##忽略AVX扩展警告
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

##建立矩阵
matrix1 = tf.constant([[3,3]]) #建立一个矩阵,一行两列
matrix2 = tf.constant([[2],
                       [2]]) #两行一列

product = tf.matmul(matrix1,matrix2) #matrix multipl矩阵相乘等同于numpy np.dot(m1,m2)
##print(product)
#结果并不是一个数字，而是tensor ,计算需要在会话里面的图，
# 前面只定义了一些op，但缺乏session，所以不会计算结果
#输出了Tensor("MatMul:0", shape=(1, 1), dtype=int32)

#Session
#method 1
sess = tf.Session() #定义好Session
result = sess.run(product) #result就要从Session中取得
print(result)
sess.close() #尽量有，更为整洁和系统

#method 2
with tf.Session() as sess: #我打开Session,不用去关闭它
    result2 = sess.run(product)
    print(result2)

结果