tensorflow菜鸡笔记（一）

环境：Win10下ANACONDA3，py3.6，TF1.2.1

TF基本组成：

• Tensor
• Constant
• Session
• Placeholder
• Variable

Tensor

TensorFlow 程序使用 tensor 数据结构来代表所有的数据, 操作间传递的数据都是 tensor.
一个tensor 看作是一个 n 维的数组或列表. 一个 tensor 包含一个静态类型 rank, 和 一个 shape.

Constant

常量，像下面这样可以创建常量矩阵tensor

import tensorflow as tf

m1 = tf.constant([[2, 2]])
m2 = tf.constant([[3],
                  [3]])

Session

dot_operation = tf.matmul(m1, m2)

tensorflow中，要做一个矩阵乘法，不会在像上面这样写完之后变直接成返回值
此时dot_operation是不能当作一个变量使用的，它是一个节点，待启动

sess = tf.Session()
result = sess.run(dot_operation)
print(result)
sess.close()

如上创建一个会话之后，使用 run(dot_operation) 才会启动dot_operation节点执行运算并返回计算值
session(会话)使用完后记得使用 close() 释放，若不想释放可以用with使用：

with tf.Session() as sess:
    result_ = sess.run(dot_operation)
    print(result_)

Placeholder

使用占位符，可以让你在创建节点时不用输入确定tensor
在使用会话启动节点时给进参数

import tensorflow as tf

x1 = tf.placeholder(dtype=tf.float32, shape=None)
y1 = tf.placeholder(dtype=tf.float32, shape=None)
z1 = x1 + y1

x2 = tf.placeholder(dtype=tf.float32, shape=[2, 1])
y2 = tf.placeholder(dtype=tf.float32, shape=[1, 2])
z2 = tf.matmul(x2, y2)

with tf.Session() as sess:

    z1_value, z2_value = sess.run(
        [z1, z2],       # run them together
        feed_dict={
            x1: 1, y1: 2,
            x2: [[2], [2]], y2: [[3, 3]]
        })
    print(z1_value)
    print(z2_value)

Variable

使用TF时，每个tensor可以是变量，需像下面这样定义

import tensorflow as tf

var = tf.Variable(0)   #创建变量var

add_operation = tf.add(var, 1)  #加法节点
update_operation = tf.assign(var, add_operation) #赋值节点

变量要经过初始化才能使用

with tf.Session() as sess:
    # 经过初始化之后才能使用
    sess.run(tf.global_variables_initializer())
    for _ in range(3):
        sess.run(update_operation)
        print(sess.run(var))