Tensorflow笔记（一）

程序结构

图的定义及执行（程序独立的两个部分）

计算图：包含节点和边的网络。
①定义所有要使用的数据，即张量（tensor）对象（常量、变量、占位符）
②定义执行的计算，即运算操作对象（Operation Object，OP）

每个节点可以有零个或多个输入，但只有一个输出。网络中的节点表示对象（张量和运算操作），边表示运算操作之间流动的张量。
计算图定义神经网络的蓝图，但其中的张量没有相关的数值。

计算图的执行： 会话对象实现。会话对象封装了评估张量和操作对象的环境。真正实现运算操作，将信息从网络一层传递到另一层。不同张量对象的值仅在会话对象中被初始化、访问和保存。在此之前张量对象只被抽象定义，在会话中才被赋予了实际的意义。

具体步骤–定义计算图

以两向量相加为例：

1.计算图

2.图的定义的代码：

v_1 = tf.constant([1,2,3,4])# 向量
v_2 = tf.constant([2,1,5,3])#向量
v_add = tf.add(v_1,v_2)# 操作

3.在会话中执行这个图

with tf.Session() as sess:
	print(sess.run(v_add))

4. 3的等价

sess = tf.Session()
print(sess.run(v_add))
sess.close()

3的优点是不必显示写出关闭会话的命令

解读

图的构建：
step1：添加变量和操作
step2：按照逐层建立的神经网络的顺序传递（让张量流动）
with tf.device()可选择设备