DAY20（Tensorflow学习）

• TF里的with语句
  当with语句执行时，便执行上下文表达式（context_expr）(一般为某个方法)来获得一个上下文管理器对象，上下文管理器的职责是提供一个上下文对象，用于在with语句块中处理细节：一旦获得了上下文对象，就会调用它的enter()方法，将完成with语句块执行前的所有准备工作，如果with语句后面跟了as语句，则用enter()方法的返回值来赋值；当with语句块结束时，无论是正常结束，还是由于异常，都会调用上下文对象的exit()方法，exit()方法有3个参数，如果with语句正常结束，三个参数全部都是 None；如果发生异常，三个参数的值分别等于调用sys.exc_info()函数返回的三个值：类型（异常类）、值（异常实例）和跟踪记录（traceback），相应的跟踪记录对象。因为上下文管理器主要作用于共享资源，enter()和exit()方法基本是完成的是分配和释放资源的低层次工作，比如：数据库连接、锁分配、信号量加/减、状态管理、文件打开/关闭、异常处理等。

tensorflow将程序分为两个独立的部分

• 构建任何拟创建神经网络的蓝图，包括计算图的定义及其执行
• 构建计算图
• 创建会话对象
  TensorFlow 支持以下三种类型的张量：
• 常量：常量是其值不能改变的张量。
• 变量：当一个量在会话中的值需要更新时，使用变量来表示。例如，在神经网络中，权重需要在训练期间更新，可以通过将权重声明为变量来实现。变量在使用前需要被显示初始化。另外需要注意的是，常量存储在计算图的定义中，每次加载图时都会加载相关变量。换句话说，它们是占用内存的。另一方面，变量又是分开存储的。它们可以存储在参数服务器上。
• 占位符：用于将值输入 TensorFlow 图中。它们可以和 feed_dict 一起使用来输入数据。在训练神经网络时，它们通常用于提供新的训练样本。在会话中运行计算图时，可以为占位符赋值。这样在构建一个计算图时不需要真正地输入数据。需要注意的是，占位符不包含任何数据，因此不需要初始化它们。
• 变量的定义将指定变量如何被初始化，但是必须显式初始化所有的声明变量。在计算图的定义中通过声明初始化操作对象来实现：（initializer）
• 使用saver来保存变量
  saver = tf.train.Saver()
• 占位符：tf.placeholder(dtype,shape=None,name=None) sess.run(feed_dict=)
•