Tensorflow学习 及 函数、参数说明

TensorFlow学习笔记（1）----基础概念和程序的形式

1.概念

graph：图，表示具体的计算任务

session：会话，图需要在会话中执行，一个会话可以包含很多图

• graph只是定义了计算，他本身不计算任何东西，他不保存任何值，他只是定义了你用代码所规定的操作

• session允许计算图或者图的一部分，他为这个分配资源并且保存中间结果的值和变量

tensor：张量，在此表示数据，类型是numpy::ndarray

variable：就是本意变量，图的重要组成部分

operation：简称op，是图中计算的节点，输入tensor计算后产生tensor

feed、fetch：意思是给图添加数据和获取图中的数据，因为训练过程中有些数据需要动态获得、临时给予数据

1、tensor之———变量（variable）、常量（constant）、占位符（Placeholder）

1. x = tf.Variable(a)  

其中a是一个numpy中类型的ndarray（所有的tensor都是），这里的a相当于对x进行了初始化。

（2）constant就是常量

[plain]  view plain  copy

1. a = tf.constant([3.0, 3.0])  

（3）Placeholder

这个最能体现TensorFlow的优势，TensorFlow首先都是搭建一个图然后描述一下操作，而占位符就是先占住一个位置因为我们不知道输入的数量等一些具体信息，所以可以先大致的描述一下这一信息。

[plain]