TensorFlow的点点滴滴

1、函数tf.global_variables_initializer()，其中tf为import tensorflow as tf

该函数为所有的变量进行初始化，例如我们定义的权值和阈值，例如：b = tf.Variable(0.0)不加这句的话，它事实上依然没有赋值，我们在训练神经网络的时候无一例外会加上这句函数。

2、怎么理解TensorFlow的tensor?

TensorFlow程序使用tensor数据结构来代表数据，可以把tensor看成一个n维数组或者列表，tensor包含静态类型rank和shape。

3、Variable的作用是维护图执行过程中的状态

4、图(Graph)和会话(Sessiom)：

图（Graph）在tensorflow中用来表示计算任务，例如神经元节点及其计算，它有一个个的tensor以及运算关系构成。注意，即便定义了诸如乘法的运算，但只有在Session中才会真正的进行运算。

#Author:ZhenhuaLiu HIT-atci
#date:2021.6.26 17:54
import tensorflow as tf
#创建一个常量op(operation)节点，产生一个1x2矩阵
#添加到默认图中
#构造器的返回值代表该常量的op的返回值
matrix1 = tf.constant([[3.,3.]])

#构建一个常量op节点，产生一个2x1矩阵
matrix2 = tf.constant([[4.],[4.]])

#创建一个矩阵乘法matmul op，把matrix1和matrix2作为输入
#返回值product代表矩阵乘法的结果
product = tf.matmul(matrix1,matrix2)
print("启动默认图前product=")
print(product)
#启动默认图
#调用sess的run()方法来执行矩阵乘法的op,传入值为product，输出矩阵的乘法op
#返回值是一个numpy.ndarray对象
print("启动默认图后product=")
with tf.Session() as sess:
    with tf.device('/gpu:0'):
        result = sess.run(product)
        print(type(result),result)

在启动默认图之前，product并没有进行实际的矩阵乘法，并且打印出来的product仅仅是一个tensor类型。其运行结果如下：

启动默认图前product=
Tensor("MatMul:0", shape=(1, 1), dtype=float32)
启动默认图后product=
<class 'numpy.ndarray'> [[24.]]