TensorFlow学习笔记--01-TensorFlow基础构架

这个专栏主要是记录自己在莫烦Python上学习TensorFlow的过程，想学习TensorFlow的小伙伴强烈推荐 莫烦Python之TensorFlow。

一、TensorFlow基础构架

1、session会话控制

这一节主要讲了如何使用session会话的两种方法
第一种：

# method 1
sess=tf.Session()
result1=sess.run(tf.matmul(tf.constant([[3,3]]),tf.constant([2],[2])))
print(result1)
sess.close()

第二种：

# method2
with tf.Session() as sess:
    result2=sess.run(tf.matmul(tf.constant([[3,3]]),tf.constant([2],[2])))
    print(result2)

第二种方法使用完之后，不需要再close。

2、Variable变量

主要讲述了，在TensorFlow中，如果定义了变量variable，一定要记得初始化，然后session：

init=tf.global_variables_initializer()

with tf.Session() as sess:
	sess.run(init)

3、Placeholder 传入值

对于为什么需要使用placeholder，我觉得这个链接的解释就很好，容易理解。

当使用placeholder的时候，括号内填入以下内容：dtype, shape=None, name=None，定义之后，
需要使用 feed_dict={} 传入值。

使用placeholder举例：

input1=tf.placeholder(tf.float32)
input2=tf.placeholder(tf.float32)

output=tf.multiply(input1,input2)

with tf.Session() as sess:
    print(sess.run(output,feed_dict={input1:7,input2:2}))

4、激励函数 Activation Function

常用的激励函数有以下几种：
（1）relu

(2)sigmoid

(3)tanh

在卷积神经网络CNN中激励函数常选择relu函数，在循环神经网络RNN中激励函数通常选择relu和tanh，激励函数的选择不能任意选择，需要根据具体情况进行具体分析，不然会造成梯度爆炸和梯度消失问题。

谢谢大家的观看！