Tensorflow 实战Google深度学习框架——学习笔记（一）张量、计算图和会话

跳过了深度学习和TensorFlow安装的两章

TensorFlow入门

3.1 TensorFlow计算模型计算图

3.1.1计算图的概念
TensorFlow这个名字中Tensor意思是张量，表面TensorFlow的数据结构。Flow是流，表示张量之间通过计算相互转换。TensorFlow是一个通过计算图来表述计算的编程系统。其中每一个计算都是图上的一个节点，节点之间的边描述了的依赖关系

途中a，b，add三个圈代表三个节点，三个计算，其中a和b不依赖与其他的ji节点（计算），而add依赖于a和b的计算
3.1.1 计算图的使用
TensorFlow程序分为两个阶段：
（1）定义计算图中的所有计算
（2）执行阶段
定义计算阶段样例如下：

import tensorflow as tf  
a = tf.constant([1.0, 2.0], name="a1")  # 常量的创建方法
b = tf.constant([2.0, 3.0], name="b1")
result = a + b
print(a.graph is tf.get_default_graph())  
# 通过变量名.graph可以获取变量所在的计算图，get_default_graph()可以获取more你的计算图

True

通过constant()方法可以定义张量，并给张量起名字
其次，通过变量名.graph属性可以看到节点所属的计算图，不给计算图起名字的情况下就是tf的默认计算图

通过tf.Graph()方法可以创建一个新的计算图，不同计算图上的张量和运算不会共享，以下代码说明在不同计算图上定义和使用张量

g1 = tf.Graph()  # 计算图的创建
with g1.as_default():  # 打开这张图
    # 从图中创建变量，维度为1，命名为v，初始化方法为zeros_initializer&#x