人工智能从入门到精通（2）

第二天

今天主要学习tensorflow的计算模型，数据模型和运行模型

计算图

tensorflow中每一个计算都是计算图上的一个节点，而节点之间的边描述了计算之间的依赖关系。

import tensorflow as tf
g1=tf.Graph()
with g1.as_default():
    v=tf.get_variable("v",shape=[1],initializer=tf.ones_initializer())
with tf.Session(graph=g1) as sess:
    tf.initialize_all_variables().run()
    with tf.variable_scope("",reuse=True):
        print(sess.run(tf.get_variable("v")))

tf.Graph.device函数可以运行在制定的设备上（这可以为tensorflow使用了GPU机制）

数据模型-张量

张量可以简单理解为多维数组
一个张量主要保存了3个属性：名字(name)，维度(shape)，类型(type)

a=tf.constant([1.0,2.0],name="a",dtype=tf.float32)

运行模型-会话

会话拥有并管理tensorflow程序运行的所有资源

#创建一个会话，并通过python中上下文管理这个会话
with tf.Session() as sess:
    sess.run(......)
#不需要再调用“Session.close()”函数来关闭会话