tensorflow生成常量_基于TensorFlow的深度学习系列教程 2——常量Constant

前面介绍过了Tensorflow的基本概念，比如如何使用tensorboard查看计算图。本篇则着重介绍和整理下Constant相关的内容。

常量的概念

在tensorflow中，数据分为几种类型: 常量Constant、变量Variable、占位符Placeholder。其中：

常量：用于存储一些不变的数值，在计算图创建的时候，调用初始化方法时，直接保存在计算图中

变量：模型训练的参数，比如全连接里面的W和bias

占位符：就是模型每次训练时的样本，当计算图固定时，只需要替换占位符里面的内容，就可以重新计算了。

概念上跟spark的DAG图差不多，不过图的模式更固定一些，不像spark还分为action和transform。

常量的简单使用

下面这个例子就是常量最简单的使用例子了，定义a和b两个常量，输出x。x=a+b。

import tensorflow as tf

a = tf.constant(2)

b = tf.constant(3)

x = tf.add(a, b)

with tf.Session() as sess:

writer = tf.summary.FileWriter('./graphs', sess.graph)

print(sess.run(x))

writer.close()

得到的计算图如下：