tensorflow计算模型——计算图

tensorflow程序运作模式

    1.tensorflow是用python先构建一个图，然后通过外部运算优化得到结果
    2.向模型不断喂入数据，然后给出要不断优化的对象loss，根据loss的走势不断优化模型得到结果

1.计算图的概念

tensorflow中的所有计算都会转化为计算图中的节点

tensor就是张量（即多维数组），flow就是“流”（计算模型：张量之间的计算）
tensorflow的每一个计算都是计算图上的一个节点，节点之间的边描述了计算之间的依赖关系。
注：如果一个运算的输入依赖另一个运算的输出，那么这两个运算有依赖关系。

2.计算图的使用

tensorflow程序分两个阶段：
第一阶段：定义计算图中所有的计算；
第二阶段：执行计算。

在tensorflow程序中，系统会维护一个默认的计算图，通过tf.get_default_graph函数可以获取当前默认生物计算图。
注：使用a.graph可以查看张量所属的计算图

除了使用默认的计算图，tensorflow支持通过tf.Graph函数生成新的计算图。
注：不同计算图上的张量和计算都不会共享。

示例：

import tensorflow as tf

g1 = tf.Graph()
with g1.as_default():
       #在计算图g1中定义变量“v”，并设置初始值为0