深度学习2：tensorflow structure create

---

一、会话

sess=tf.session
sess.run(init)
run非常重要

二、变量

基础的使用

代码如下（示例）：

Weight=tf.Variable()
bias=tf.Variable()
y=Weight*x_data+bias
loss=tf.reduce_mean(tf.square(y-y_data))

初始化

代码如下（示例）：

optimizer=tf.GradientDescentOptimizer(0.5)
train=optimizer.minimize(loss)
init=initial_all_variables() ##所有的变量初始化最重要的一步，然后用sess.run跑一下

变量的用法

tf.Variable(
    initial_value=None,
    name=None,
    variable_def=None,
    dtype=None,
   shape=None,
)

可能用的上的参数
name：[可选] 变量的名称。默认为Variable。
dtype：如果设置，initial_value将被转换为给定的类型。如果为None，数据类型将被保留（如initial_value是张量），或者convert_to_tensor会决定。
shape：[可选] 此变量的形状。如果没有，形状initial_value将被使用。将此参数设置为tf.TensorShape(None)时代表未指定的形状，变量可以被赋予不同形状的值。

实例中tf.assign

update=tf.assign（a,b)

是一个赋予值的用法，而且在tf中是面向对象的，通过run调用对象实现框架的函数作用，如同上述的初始化

sess.run(update)

三、with tf.Session()

和for循环一样

强调省略的是sess.close()函数

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

by the way

for有一个别样的写法之前没留意

for _ in range(3)

四、 传入值

placehoder和feed_dict是绑定使用的

同等于正常的待输入格式化了的参数

input1=tf.placeholder(tf.float32)
input2=tf.placeholder(tf.float32)
output=tf.mul(input1,input2)
##默认情况下 tensorflow用的都是float32格式
with tf.Session() as sess:
	sess.run(out,feed_dict{input1:[7.],input2:[2.]}))
	##在搭配使用过程中，伴随传入的必须是字典型

五、延申）run函数的详细

sess.run(fetches, feed_dict=None, options=None, run_metadata=None)

etches参数可以是单个图元素，也可以是任意嵌套的列表、元组、namedtuple、
dict或OrderedDict，其中在其叶子处包含图元素

fetches的参数