1Tensoflow基础概念

Tensoflow基础概念

1.基本概念

• 图(graph)表示计算任务，图(graph)的节点称为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（被视为一个n维的数组或列表）。graph必须在session中被启动。
• 在session的上下文（context）执行图
• tensor表示数据
• 通过变量variable维护状态
• 使用feed或fetch为任意操作赋值或者从其中获取数据

1.1 fetch

在会话中同时执行多个op得到其运行结果

1.2 *feed

tf.placeholder #占位符
运行时将值传入，以字典的方式传入

2. tensorflow中的图

import tensorflow as tf

m1=tf.constant([[3,3]])   #创建一个常量op
m2=tf.constant([[2],[3]])
product=tf.matmul(m1,m2)    #创建一个矩阵乘法op，把m1和m2传入
print (product)    #这里将输出一个Tensor

#定义一个会话1，启动默认图
sess=tf.Session()  #旧版本
result=sess.run(product)    #调用run方法来执行矩阵乘法
print(result)
sess.close()

#另一种定义会话的方式（常用），该方法不用关闭session
with tf.Session() as sess:
    result=sess.run(product)
    print(result)

Tensor("MatMul:0", shape=(1, 1), dtype=int32)
[[15]]
[[15]]

该系列基础实例参考视频