Tensorflow基础入门

之前一段时间在学习numpy、pandas、matplotlib,然后为了安装各种环境（anaconda、jupyter notebook、tensorflow1.2.1）又捣鼓了一段时间，也是踩了许多的坑，最后发现还是官网靠谱！还是那句话，人在IT飘，哪有不踩坑。
机器学习小白开始学习基于tensorflow框架的深度学习，故作此博客，希望以后可以坚持不懈，来记录自己的机器学习历程。常思忧患而勤勉,常持警惕而砥砺！

Tensorflow计算模型——计算图

tensorflow=tensor +flow=张量+流=数据结构：多维数组+计算模型：张量之间通过计算而转化的过程
tensorflow是一个通过计算图的形式表述计算的编程系统：
每一个计算都是计算图上的一个节点
节点之间的便描述了计算之间的关系

创建计算图的一个实例

#导入tensorflow库并起别名tf
import tensorflow as tf

# 简单的计算图示例
node1=tf.constant(6.0,tf.float32,name="node1")
node2=tf.constant(66.0,tf.float32,name="node2")
node3=tf.add(node1,node2)

#打印节点属性
print(node3) #此时输出的不是一个具体数字，而是一个张量的结构。如下图，add表示节点名称，0表示该节点的第0个输出（意思就是该节点还没有执行），shape指的是数据的维度，表示为一个标量，dtype表示节点的数据类型。

节点的计算图模型（tensorboard生成）

计算图的执行

创建计算图只是建立了静态的计算模型，执行对话才能提供数据并获得结果！
执行对话语句：sess=tf.Session()、sess.run(要执行的节点)

#创建对话并打印结果
sess=tf.Session()
print("node3的结果是：",sess.run(node3))

张量

在tensorflow中，所有的数据都通过张量的形式来表示
可以简单理解为多维数组࿱