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