Tensorflow入门笔记

1. 新建计算图 g1 = tf.Graph，可以通过tf.Graph.device函数来指定运行计算的设备。从而为使用GPU提供了机制。

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

1. 创建会话来得到张量的计算结果，只要把所有的计算放在“with”内部就可以

 with tf.Session() as sess:
     sess.run(result)

1. 一个神经元有多个输入和一个输出，不同输入的权重就是神经元的参数，神经网络的优化过程就是优化神经元中参数取值的过程。
   4.一个变量的值在被使用之前，这个变量的初始化需要被明确的调用

with tf.Session() as sess:
    init_op = tf.initialize_all_variables()
    sess.run(init_op)

5.用tf.placeholder()代替tf.constant()常量输入，其相当于定义了一个位置，这个位置中的数据在程序运行时再制定，这样在程序中就不需要生成大量常量在提供输入数据，但其需要提供一个feed_dict来指定取值，feed_dict是一个字典，在字典中需要给出每个用到的placeholder的取值。