​TensorFlow 零基础入门指南

作者：来自读者投稿

来源：Python数据之道

‍

‍TensorFlow 零基础入门指南

TensorFlow 是一个开发源代码软件库，它可以进行高性能的数值计算与分析，借助其灵活的架构，可以将其部署到多种平台（CPU、GPU、TPU）和设备（桌面设备、移动设备、集群）。TensorFlow 为机器学习和深度学习提供了很多强有力的支持，本篇文章小编为大家整理了很多 TensorFlow 的基础编程知识，非常适合初学者学习，一起来看看吧！

1、 TensorFlow 计算模型

TensorFlow 顾名思义，是由 Tensor + Flow 组成，Tensor 叫做张量，主要起到数据结构的作用，Flow 叫做流，用来表示计算模型，即张量之间通过计算而转换的过程 。TensorFlow 是一个提供计算图的形式表述计算的编程系统，每一个计算都是计算图上的一个节点，节点之间的边描述的计算之间的关系。

计算图的实例

#一个简单的计算图
node1 = tf.constant(3.0,tf.float32,name="node1")
node2 = tf.constant(4.0,tf.float32,name="node2")
node3 = tf.add(node1,node2)
print(node3)

该代码输出结果为：

Tensor( "Add:0", shape( ), dtype = float32 )

要注意的是，这里输出的结果不是一个具体的数字，而是一个张量的结构。

计算图的执行

创建计算图只是建立了静态的计算模型，只有执行对话才能提供数据并获得结果。

#建立对话并显示运行结果
sess = tf.Session()
print("运行sess.run(node3)的结果是：", sess.run(