Tensorflow基础知识与神经网络构建--step by step 入门TensorFlow（一）

Tensorflow基础知识与神经网络构建–step by step 入门TensorFlow（一）

标签： Tensorflow

---

我们将采用Jupyter notebook交互式编程的方式，通过一步步代码的讲解，学习Tensorflow编程。推荐使用Jupyter notebook作为开发环境按照文中的代码step by step 的学习。

文章列表：
Tensorflow基础知识与神经网络构建–step by step 入门TensorFlow（一）
深层神经网络实现–step by step 入门TensorFlow（二）
MNIST 数字识别和数据持久化–step by step 入门TensorFlow（三）

计算图

tensorflow程序一般分为2部分：1、构造计算图 2、执行计算
一般不用指定计算图，系统会维护一个默认的计算图
下面关于a、b、c的定义都是构造图，并且使用的是默认
下面的程序演示的就是图的构造

import tensorflow as tf


print(a.graph is tf.get_default_graph())

True

可以构造新图，但图上的变量不会共享

import tensorflow as tf

g1 = tf.Graph()
with g1.as_default():
    v = tf.get_variable("v",shape=[1], initializer=tf.zeros_initializer())

g2 = tf.Graph()
with g2.as_default():
    v = tf.get_variable("v",shape=[1], initializer=tf.ones_initializer())

with tf.Session(graph=g1) as sess:
    sess.run(tf.global_variables_initializer())
    with tf.variable_scope("",reuse=True):
        print(sess.run(tf.get_variable("v")))
with tf.Session(graph=g2) as sess:
    sess.run(tf.global_variables_initializer())
    with tf.variable_scope("",reuse=True):
        print(sess.run(tf.get_variable("v")))

[ 0.]
[ 1.]

还可以指定运算设备

g = tf.Graph()
with g.device('/gpu:0'):
    result = a + b
    with tf.