tensorflow 初使用回顾：计算图

刚接触tensorflow 我对于session以及graph的概念是模糊的。
这里Mark一下我对于Graph的理解
网上的一篇 文章写的很清楚。
就当读后感了。
计算图(computational graph)的理论，神经网络本身是计算图的一个特殊形式。
Computational graph 是有向图，其中的节点都对应着 操作(Operation) 或者 变量(Variable)。
Variable 可以把自己的值递送给 Operation，而 Operation 可以把自己的输出递送给其他的 Operation。这样的话，计算图中的每一个节点都定义了 graph 中的 Variable 的一个函数。
递送入节点的、从节点中传出的值，被称为 tensor，这是个用于多维数组的词。因此，它包括标量、矢量、矩阵，也包括高阶的张量（tensor）。

对于一张计算图 我们有输入，输出，以及中间操作。

例如：
y=Ax+b

假如这是一张计算图中的Operation：
那么：
‘+‘ 就是 OP 的操作函数，A,x,b 是我们的输入，Y是我们的输出。
但是输入A，x，b 又有不同，A,b是OP的固有参数。而x是我们的具体输入的值。
所以参数就用Variable表示，而x是输入 ，没有运行前是没有值的，所以x用占位符表示。
占位符 Placeholders。
以上基本的就是一张图了。得到输出。需要定义一个会话Session。运行这张图，需要声明要运行的Op，以及对占位符入值。

这就是基本的图的概念。

原文章:https://zhuanlan.zhihu.com/p/31796685