TensorFlow基础知识

Tensor(张量) 是Ｎ维数组。

Flow（流）意味基于数据流图的计算。

Tensorflow是张量从 图像的一端流动到另一端的计算过程。

一、模型构建

session将图的OP分发到CPU或GPU之类的设计上，同时提供执行OP的方法。

这些方法执行后，将产生的tensor返回。在Python语言中，返回的tensor是numpyndarray对象。

session与图的交互过程中，可定义两种数据的流向机制：

1、注入机制（feed):通过占位符向模式中传入数据。

2、取回机制（fetch)：从模式中得到结果。

二、模型运行

 分为三个场景：训练场景、测试场景与使用场景。

===================

Session的定义使用：

1、不用with，需要写close语句

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')  #定义一个常量
sess = tf.Session()                             #建立一个session
print (sess.run(hello))                        #通过session里面的run来运行结果
sess.close()                                     #关闭session

2、使用with session

import tensorflow as tf
a = tf.constant(3)                     #定义常量3
b = tf.constant(4)                     #定义常量4

# 沿用Python中with的语法，当程序结束后会自动关闭session，而不需要再去写close
with tf.Session() as sess:           #建立session
    print ("相加: %i" % sess.run(a+b))
    print( "相乘: %i" % sess.run(a*b))

3、定义占位符，使用feed机制，将具体数值（3和4）通过占位符传入，并进行运算。

import tensorflow as tf
a = tf.placeholder(tf.int16)
b = tf.placeholder(tf.int16)
add = tf.add(a, b)
mul = tf.multiply(a, b)                      #a与b相乘
with tf.Session() as sess:
    # Run every operation with variable input
    print ("相加: %i" % sess.run(add, feed_dict={a: 3, b: 4}))
    print ("相乘: %i" % sess.run(mul, feed_dict={a: 3, b: 4}))
    
    print(sess.run([add,mul],feed_dict={a:3,b:5}))

执行程序后，输出如下：

runfile('D:/WORK/tf/代码/TensorflowStudy/4-3  withsessionfeed.py', wdir='D:/WORK/tf/代码/TensorflowStudy')
相加: 7
相乘: 12
[8, 15]