Tensorflow框架（人工智能实践笔记）

基于TensorFlow的NN： 用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型。
张量（Tensor）：多维数组（列表）
阶： 张量的维数

n阶 张量	名字及例子
0	标量，s=123
1	向量，v=[1,2,3]
2	矩阵，m=[[1,2,3],[4,5,6],[7,8,9]]
n	张量 ，t=[[[…n个

张量可以表示0阶到n阶数组（列表）

未来会常用vim编辑器，为了方便，我们先修改vim的配置文件：

vim ~/.vimrc写入：
set ts=4 使tab键等效为4个空格
set nu  使vim显示行号

TensorFlow的数据类型：tf.float32、tf.int32…

import tensorflow as tf  导入tensorflow模块
a = tf.constant([1.0,2.0])      定义常数
b=tf.constant([3.0,4.0])
result = a+b
print result

显示：

Tensor("add:0",shape=(2,),dtype=float32)
 表示：“节点名：第0个输出”，维度=一维数组长度为2，数据类型

结果截图：

计算图：（Graph）搭建神经网络的计算，只搭建，不运算（只描述运算过程）

y=XW=x1w1+x2w2

import tensorflow as tf
x = tf.constant([[1.0,2.0]])    两行一列
w=tf.constant([[3.0],[4.0]])    一行两列

y=tf.matmul(x,w)
print y

显示：

Tensor("matmul:0",shape(1,1),dtype=float32)  结果shape一行一列

结果截图：

以上得到的只是图，不是结果，如果想得到结果就要用到会话了。
会话：（Session）执行计算图中的节点运算。