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