【笔记】tf中有向图（计算图、Graph）、上下文环境（Session）和执行流程

计算图（Graph）
        Tensorflow是基于图(Graph)的计算框架，图的节点由事先定义的运算(操作、Operation)构成，图的各个节点之间由张量（tensor）来链接，Tensorflow的计算过程就是张量（tensor）在节点之间从前到后的流动传输过程，如下图示例：

 

# -*- coding: utf-8 -*-)
import tensorflow as tf
 
# 1. 创建两个张量（Tensor）
input1 = tf.constant([1.0, 1.0, 1.0, 1.0])
input2 = tf.constant([2.0, 2.0, 2.0, 2.0])
 
# 2. 定义操作（Operations）
output = tf.add(input1, input2)
 
# 3.  执行计算
with tf.Session() as sess:
    result = sess.run(output)
    #result = output.eval()
    print result
    #sess.close()   # 使用"with"语句，由python自动管理Session，不再需要显式调用close()

# -*- coding: utf-8 -*-)
import tensorflow as tf
 
# 1. 创建两个占位变量，只定义数值类型和形状（shape），具体数值在计算图执行前给定
input1 = tf.placeholder(tf.float16,shape=[4])
input2 = tf.placeholder(tf.float16,shape=[4])
 
# 2. 定义操作（Operations）
output = tf.add(input1, input2)
 
# 3.  执行计算
with tf.Session() as sess:
 
    input_1 = [1.0, 1.0, 1.0, 1.0]
    input_2 = [2.0, 2.0, 2.0, 2.0]
 
    result = sess.run(output,feed_dict = {input1:input_1, input2:input_2})
    print result