深度学习 第三章 tensorflow手写数字识别

深度学习入门视频-唐宇迪 （笔记加自我整理）

深度学习 第三章 tensorflow手写数字识别

1.tensorflow常见操作

       这里使用的是tensorflow1.x版本，tensorflow基本构成单位是张量tensor，区别在于不同阶。零阶张量，也叫标量，就是一个数值；一阶张量，可以理解为一维向量，比如列向量或者行向量；二阶张量，可以理解为二维矩阵；还可以有多阶张量，最简单的区分方法是看中括号"["，有多少个中括号，是几阶的张量。

      tensorflow也有固定的语法套路，有三步，第一步定义变量或者常量，第二步初始化参数，第三步把定义的变量放到session中真正执行起来。session可以理解为一个容器，使用sess.run() 真正执行代码，得到结果。

• session定义

       输入的数据有两种，一种是变量，定义方式是tf.Variable()， 一种是常量，tf.constant(). 定义输入之后，tf.global_variable_initializer()表示初始化所有定义的变量和常量，一定要有这一步。然后采用with tf.Session()的结构，定义一个session，把所有数据放入sess.run()中，执行输出。

     变量和常量赋值有两种方式，一种是定义的时候直接复制，一种是定义的时候先占位置，使用的时候再赋值。下面这种方式是声明的变量的时候直接给值，类似于到图书馆直接找位置坐下来看书。

       还有一种方式类似延迟加载，就是定义变量或者常量的时候，先不执行具体数值，而是先指定输入的类型，在真正执行代码的时候，把变量对应真正的值传入再进行计算。关键组合是placeholder（占位）+ feed_dict={}。类似于去图书馆的占座，需要先想清楚占几个位置，但是具体是谁坐哪个位置，要等到人来之后