@。Tensorflow零散笔记

1. Python 和 Tensorflow 之间的联系，可以类比 Javascript 和 HTML 之间的关系。
2. 使用Tensorflow时候，第一步就是组装计算图。第二步就是与它进行交互（使用 Tensorflow 的“会话”）。
3. 那么什么是计算图？它实质上是一个全局数据结构：计算图是一个有向图，捕获有关计算方法的指令。
   
   显然，仅仅导入 Tensorflow 并不会给我们生成一个有趣的计算图，而只有一个孤独的，空白的全局变量。
   

---

证明：
1.每次我们调用 tf.constant 的时候，我们都会在图中创建一个新节点。即使节点在功能上与现有节点完全相同，即使我们将节点重新分配给同一个变量，甚至我们根本没有将其分配给变量，结果都一样。
2.如果创建一个新变量并将其设置为与现有节点相等，则只需将该指针复制到该节点，并且不会向该图添加任何内容：

---

证明1.加法操作时，不会增加一个新得op，得到的结果直接通过两个op加出来。

4. 关于会话，就是一个与图建立连接的桥梁。进行运算等操作时，就要使用会话。
5. 会话包含一个指向全局图的指针，该指针通过指向所有节点的指针不断更新。这意味着在创建节点之前还是之后创建会话都无所谓。
6. 一般来说，sess.run() 调用往往是最大的 TensorFlow 瓶颈之一，所以调用它的次数越少越好。可以的话在一个 sess.run() 调用中返回多个项目，而不是进行多个调用。
7. 占位符对应着: 为了提供一个值，我们使用 sess.run() 的 feed_dict 属性。
   
8. 要创建变量，请使用 tf.get_variable()。tf.get_variable() 的前两个参数是必需的，其余是可选的。它们是 tf.get_variable(name,shape）。name 是一个唯一标识这个变量对象的字符串。它在全局图中必须是唯一的，所以要确保不会出现重复的名称。shape 是一个与张量形状相对应的整数数组，它的语法很直观——每个维度对应一个整数，并按照排列。例如，一个 3×8 的矩阵可能具有形状 [3,8]。要创建标量，请使用空列表作为形状：[]。
   

作者：AI前线
链接：https://juejin.im/post/5b345a49f265da599c561b25
来源：掘金