TensorFlow：实战Google深度学习框架第二版——常用函数总结

第三章——TensorFlow入门

tf.get_default_graph() ：获得当前默认的计算图

tf.Graph()：生成新的计算图，不同计算图上的张量和运算不会共享

graph.as_default()：将某计算图设为默认计算图

tf.constant()：生成常量Tensor

tf.Variable()：生成变量Tensor

tf.placeholder()：生成占位符Tensor，常用于设置输入和输出。

tf.Graph.device()：指定运行某计算的设备，这为TensorFlow使用GPU提供了机制

a=tf.constant([1.0,2.0],name='a')
b=tf.constant([2.0,3.0],name='b')
 
g=tf.Graph()
#指定计算运行的设备
with g.device('/gpu:0'):
    result=a+b

tf.add_to_collection()：将资源加入到一个或者多个集合中

tf.get_collection()：获取一个集合里面的所有资源(Tensor)

一个张量主要保存了三个属性：名字name，维度shape和类型type。tensor.shape与tensor.get_shape()可以得到相同的结果

sess的使用：

#创建一个会话，并通过Python上下文管理器来管理这个会话
with tf.Session() as sess:
    #使用创建好的会话来得到运算结果，如sess.run(result)
    sess.run(...)
#不需要调用Session.close()来关闭会话释放资源
#当上下文退出时会话关闭和资源释放会自动完成

#获取Tensor值得两种方式

#方式一
sess=tf.Session()
with sess.as_default():
    print(result.eval())
 
#方式二
sess=tf.Session()
#下面两个命令功能相同
print(sess.run(result))    #相当于将该运算分配给这个会话
print(result.eval(session=sess))    #为这个运算提供一个会话

通过tf.InteracticeSession（）函数，自动将生成的会话注册为默认会话

sess = tf.InteractiveSession()
print(result.eval())
sess.close()

通过ConfigPr