tensorflow生成常量_TensorFlow 之计算图Graph的构建和执行

计算图(Graph)用来表示计算任务。

图中的节点称为op(operation)。

计算图必须在会话中启动，会话会把op分发到cpu或gpu等计算设备上进行执行，执行后会返回tensor。

tensorflow程序一般分为两个阶段，构建计算图阶段和执行计算图阶段。

构建计算图阶段

构建计算图的第一步一般是构建源op(source op)，源op不需要任何输入，如常量。

源op的输出被传递给其他op做进一步运算。

先来一个简单的实例import tensorflow as tf

# 创建一个constant op，表示1*2的常量矩阵

op1 = tf.constant([[1., 2.]])

# 创建另一个constant op，表示2*1的常量矩阵

op2 = tf.constant([[3.], [4.]])

# 创建一个matmul op，表示两个constant op的矩阵乘法结果

matmul_op = tf.matmul(op1, op2)

执行计算图阶段# 启动默认图

sess = tf.Session()

# 执行默认图，并返回结果

result = sess.run(matmul_op)

# 返回的结果是

# array([[11.]], dtype=float32)

# 任务完成, 关闭会话

sess.close()

一般建议使用with模块自动完成关闭操作，关于with语句可以参考 python>with语句 博客。示例如下：with tf.Session() as sess:

result = sess.run(matmul_op)

print(result)

完整示例import tensorflow as tf

# 创建一个constant op，表示1*2的常量矩阵

op1 = tf.constant([[1., 2.]])

# 创建另一个constant op, 表示2*1的常量矩阵

op2 = tf.constant([[3.],[4.]])

# 创建一个matmul op，表示两个constant op的矩阵乘法结果

matmul_op= tf.matmul(op1, op2)

# 在会话中运行计算图

with tf.Session() as sess:

result = sess.run(matmul_op)

print(result)