深度学习TensorFlow1

1：TensorFlow特点：

1：高度灵活：不仅可以用来作神经网络算法研究，也可以用来作普通机器学习算法，甚至是只要把计算表示成数据流图，都可以用TensorFlow。

2：语言多样：基于C++实现，使用python封装。

3：设备支持：允许GPU和CPU上计算分布。

4：可视化：TensorBoard支持五种可视化：标量，图片，音频，直方图，计算图。

2：Tensorflow结构分析

TensorFlow程序通常被组织成一个构件图阶段和一个执行图阶段。

在构建阶段，数据与操作的执行步骤被描述成一个图。

在执行阶段，使用会话执行构建好的图中的的操作

1：图和会话：

        图：这是TensorFlow将计算表示为指令之间依赖关系的一种表示法

       会话：TensorFlow跨一个或多个本地或远程设备进行数据流图的机制

       张量：TensorFlow中的基本数据对象

       节点：提供图当中执行的操作

TensorFlow是一个采用数据流图，用于数值计算的开源框架。

节点在图中表示数学操作，线则表示节点间相互联系的多维数据，即张量。

下面举一个最简单的加法例子，直接上代码

import  tensorflow as tf

tf.compat.v1.disable_eager_execution()