TensorFlow小程序(一):基础知识

1 Tensorflow计算模型——计算图

计算图是Tensorflow中最基本的一个概念,Tensorflow中的所有计算都会转化为计算图上的节点。TensorFlow的名字中包含了它最重要的两个概念——Tensor和Flow。Tensor就是张量，在TensorFlow中，张量简单地被理解为多维数组。Flow直观地表达了张量之间通过计算相互转化的过程。Tensorflow是一个通过计算图的形式来表达计算的编程系统。
Tensorflow程序一般分为两个阶段，第一阶段为定义图中所有的计算，第二阶段为执行计算。
计算定义阶段：

   import tensorflow as tf
    m1=tf.constant([[3,3]]，name=“m1”) #创建一个常量op 一行两列
    m2=tf.constant([[2],[3]]，name="m2") #创建一个常量op 两行一列
    result=m1+m2

2Tensorflow数据模型——张量

张量是Tensorflow管理数据的形式，张量可以被简单理解为多维数组。其中零阶张量表示标量（scalar）也是一个数；第一阶张量为向量（vector），是一个一维数组；第n阶张量为n维数组。在张量中并没有真正的保存数字，它保存的是如何得到这些数字的计算过程。
一个张量的主要保存了三个属性：名字（name）、维度（shape）、类型（type）
例：a=tf。constant([1,2],name=“a”,dtype=tf.