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