TensorFlow笔记：常用函数（哲の王tensorflow视频笔记1）

主要mark哪些服务于deep learning的tensor flow基础

什么是tensor？

tensor：张量

张量：其不同于向量 ，为空间量

（ex：矩阵）

基本操作：

import tensorflow as tf
import numpy as np

三个重要函数：

Variable变量

MENTION IT！variable是一个class ，tensor也是一个class

tf.Variable.__init__(
	initial_value = None,
	trainable = True,
	collections = None,
	validate_shape = True,
	caching_device = None,
	name = None,
	variable_def = None,
	dtype = None
)
返回值：variable（class<span style="font-family: Arial, Helvetica, sans-serif;">）

Constant 常量

tf.constant(value,dtype = None,shape  =None,name='const')

返回值：tensor（class）

Plcaeholder

tf.placeholder(dtype,shape = None,name=None)
ex：a = tf.placeholder(dtype = 'float64')

返回值：尚未存在的tensor

4个重要类型：

Variable

刚才讲过，不再说

Tensor

举例：

situation1：

def basic_operation():
	v1 = tf.Variable(10)   #这是个tensor，后面要initialize
	v2 = tf.Variable(5)
	add = v1+v2    #这里只是定义了一个计算图谱  然而 并没有运行它
	print(add)    #打印的就是图谱咯
	#session是一个runtime
	sess = tf.Session()     #因此我们需要session 用来运行图谱的实例  
	tf.initialize_all_varaibles().run(session=sess)    #这里initialize 使得Variable -> tensor
	print('加法（v1,v2）=' ，add.eval(session=sess))    #评估最后的值

situation2：

c1 = tf.constant(10)
c2 = tf.constant(5)
sess = tf.Session()
print('加法（c1,c2）=',add.eval(session=sess))  #constant就不用初始化   而  Variable是需要初始化的  因为Variable不是一个tensor，constant是，tensor才可以运算啊，对不对

Graph  计算图谱

用于打包一个计算图谱,无封装，无测试，无调用

graph = tf.Graph()
with graph.as_default():
	value1 = tf.constant([1,2])
	value2 = tf.Variable([3,4])
	mul = value1  *  value2   #  *为内积
with tf.Session(graph = graph) as mySess:
	tf.initialize_all_variable(),run()
	print('乘法（v3,v4）=' ,mySess.run(mul))

<span style="color:#ff0000;">MENTION IT!</span>	
#tensor.eval(session=mySess)
#mySess.run(tensor)   两种写法是一毛一样的!!

Session

上面讲过，不说