一、Tensorflow基本概念

Tensorflow基本概念：

使用图（graphs）来表示计算任务

在被称为会话（Session）的上下文（context）中执行图

使用tensor表示数据

通过变量（Variable）维护状态

使用feed和fetch可以为任意的操作赋值或者从其中获取数据

总结就是：Tensorflow是一个编程系统，使用图（graphs）来表示计算任务，图（graphs）中的节点称之为op（operation），一个op获得0个或多个Tensor，执行计算，产生0个或多个Tensor。Tensor看作是一个n维的数组或列表。图必须在会话（Session）里被启动

 

Tensorflow结构：

注意：

1整个过程就像数据（Tensor）的流动（flow），整个图在会话Session中计算，operation表示节点

2图必须在会话里面执行，tensorflow的python库里面有个默认图。我们只要增加节点，把数据放到节点里就可以了

 

编程：

import tensorflow as tf

 

#创建一个常量的操作（op）

m1=tf.constant([[3,3]])

#创建一个常量的操作（op）

m2=tf.constant([[2],[3]])

#创建一个矩阵乘法的op，把m1和m2传入

product=tf.matmul(m1,m2)

print(product)

 

 

#定义一个会话，启动默认图

sess=tf.Session()

#调用sess的run方法来执行矩阵乘法op

#run（product）触发了图中3个op

#首先调用product时会调用调用matmul矩阵乘法执行m1和m2操作，然后调用m1和m2是会去执行生成常量的操作

result=sess.run(product)

print(result)

sess.close()

 

#使用这种形式打开一个会话，并且启动默认图

#这种不用sess.close(),所有操作执行完之后会自己关闭这个会话

with tf.Session() as sess:

    result=sess.run(product)

    print(result)