python人脸识别项目之基础学习（二）：TensorFlow的简单操作

你将要学习的内容

• 你将要了解什么是张量
• 数据流图是什么
• 如何创建一个简单的TensorFlow代码
• 如何创建一个常量
• 如何创建一个变量
• 如何创建一个占位符
• tensorflow 会话如何创建？
• 如何通过看数据流图，写一个TensorFlow代码

1. 基础知识的学习

1.1.TensorFlow概述

TensorFlow是一个采用数据流图，用于数值计算的开源软件库

• 节点（Nodes）：在图中表示数学操作

• 线（edges）：表示在节点间相互联系的多维数据

  数组，即张量（tensor）

TensorFlow的特征

• 高度的灵活性
• 真正的可移植性（Portability）
• 将科研和产品联系在一起
• 自动求微分
• 多语言支持
• 性能最优化

1.2.1 TensorFlow张量

张量（tensor）是多维数组，目的是把向量、矩阵推向更高的维度

你就把他理解为一个数组
一维数组，二维数组…

张量的阶

TensorFlow用张量表示所有的数据

张量的维数称为阶，注：张量的阶和矩阵的阶不是同一个概念。

例如：

这是一个二阶的张量（面），矩阵不就是一个面吗？

1.2.2 数据流图 Data flow graph

TensorFlow 的名字本身描述了它自身的执行原理: Tensor (张量)意味着N维数组，Flow (流)意味着基于数据流图的计算

数据流图中的图就是我们所说的有向图，在图这种数据结构中包含两种基本元素:节点和边。

节点：对数据所做的运算或某种算子(Operation)。任何一种运算都有输人/输出，因此它也可以表示数据输人的起点或输出的终点

边：表示节点与节点之间的输人和输出关系，一种特殊类型的数据沿着这些边传递。这种特殊类型的数据在TensorFlow中被称为Tensor,即张量，所谓的张量通俗点说就是多维数组。

当我们输入张量的时候，节点代表的操作就会分配到计算设备完成计算

2.1.2一个简单的tensorflow 程序

import tensorflow as tf
# constant是TensorFlow的常量节点
message = tf.constant("hello")
# 方式一：
with tf.Session() as sess:
    ms = sess.run(message).decode()
    print(ms)
    pass

​ 执行结果

如果不想看到收到的消息可以通过这段代码屏蔽掉他

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']