tensorflow1.0学习记录-02tensorflow基本概念、变量、fetch和feed、简单使用案例

本文链接：https://blog.csdn.net/weixin_45693104/article/details/104241866

本文详细介绍了TensorFlow 1.0中的基本概念，包括使用图和会话执行计算任务，以及Tensor和Variable的使用。讲解了如何初始化变量、通过fetch获取运算结果以及利用feed向计算图输入数据。还提供了一个简单的线性回归模型案例，涵盖了模型定义、损失函数和优化器的应用。

摘要由CSDN通过智能技术生成

文章目录

1.基本概念

使用图（graphs）来表示计算任务。
在被称之为会话（Session）的上下文（context）中执行图。
使用tensor表示数据。
通过（Variable）维护状态。
使用feed和fetch可以为任意的操作赋值或者从中获取数据。
小结：
1.Tensorflow是一个编程系统，使用图（graphs）来表示计算任务，图（graphs）中的节点称之为op（operation），一个op获得0个或多个Tensor，执行计算，产生0个或多个Tensor。
2.Tensor看作是一个n维数组或列表。图必须在会话（Session）里被启动。
tips：
1.Tensorflow 里面有默认的图，一般我们给默认的图加节点。
2.定义所有计算节点，在会话里运行计算节点，相应的节点会一层层往回找。
代码示例：创建图、启动图

import tensorflow as tf
#创建一个常量op
m1 = tf.constant([[3,3]])
m2 = tf.constant([[2],[3]])
#创建一个矩阵乘法op
product = tf.matmul(m1,m2)
print(product)
#定义一个会话，启动默认图
with tf.Session() as sess:
    result = sess.run(product)
    print(result)

运行结果

Tensor("MatMul:0", shape=(1, 1), dtype=int32)
[[15]]

小结：

从两个输出可以看出，要想获得product的结果需要通过运行sess.run获取。
创建会话前面是建立计算图的过程，创建会话后用sess.run运行整个计算图，需要先建立计算图再运行计算图，tensorflow1.0称作静态计算图的原因。

2.变量

tensorflow变量需要初始化。
代码示例：变量创建及初始化

import tensorflow as tf
#变量op
x = tf.Variable([1,2