tensor 增加一维度_Tensorflow学习(一):基本概念及网络模型的搭建

Tensorflow基本概念

使用图(graphs)来表示计算任务

在被称为会话(Session)的上下文(context)中执行图

使用tensor表示数据

通过变量(Variable)维护状态

使用feed和fetch可以为任意的操作赋值或者从其中获取数据

Tensorflow是一个编程系统，使用图(graphs)来表示计算任务，图(graphs)中的节点称之为op(operation)，一个op获得0个或多个Tensor，执行计算，产生0个或多个Tensor。Tensor看做是一个n维的数组或列表。图必须在会话(Session)中被启动。如下图所示意。

创建图，启动图

import tensorflow as tfimport osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'  #忽略警告#创建一个常量op#[[3,3]]一行两列m1 = tf.constant([[3,3]])m2 = tf.constant([[2],[3]])#创建一个矩阵乘法op,把m1和m2传入product = tf.matmul(m1,m2)#print它只是得到了一个tensorprint(product) #To make TensorFlow be more "Pythonic" in version 2.0, by design TF 2.0 does not have tf.Session.#定义一个会话，启动默认图，tensorflow1.0版本用tf.compat.v1.Session#只有使用了run函数之后上面图中的op才会被执行with tf.compat.v1.Session() as sess:    result = sess.run(product)    print(result)

输出：

Tensor("MatMul:0", shape=(1, 1), dtype=int32)

[[15]]

一开始输出的product是一个tensor,后面输出的result是执行完op的结果。

创建一个变量

import tensorflow as tfimport osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'  #忽略警告#x ===变量x = tf.Variable([1,2])c = tf.constant([3,3])#减法opsub = tf.subtr