tensorflow基本概念

• 使用图(graphs)来表示计算任务，图中的节点被称之操作op(operation)。每个图都表示各自的计算任务。
• tensorflow python库有一个默认图，启动图的第一步是创建一个Session对象，如果没有任何创建参数，会话构造器会启动默认图。op构造器可以为其增加节点。这个默认图大多情况下足够使用了。
• 计算是在会话（Session)的上下文中执行，会话将图的op(operation)分发到CPU或GPU上，执行这些方法，并返回产生的tensor。所以，计算时要创建一个会话，注意会话(Session)的S大写。
• 通过变量(Variable)维护状态
• 使用tensor表示数据
• 使用feed和fetch可以为任意的操作赋值或者从其中获取数据

下面一个简单的例子有助于理解tensorflow的运行过程：

import tensorflow as tf
#创建一个常量op，加到默认图中
a1 = tf.constant([[3,2]]) 
a2 = tf.constant([[1],
                  [3]])
print(a1, a2)
product = tf.matmul(a1,a2)
print (product) #如果不创建会话，计算结果不能正常输出。

sess = tf.Session()

#此时，默认图有三个节点。两个constant() op,一个matmul（） op
result = sess.run(product)
print(result)
sess.close()

创建一个变量（Variable)，来存储参数。将一个张量作为初始值传入构造函数Variable()。tensorflow提供了一系列操作符来初始化张量，初始值是常量或是随机值。变量使用之前必须要初始化，否则会报错

FailedPreconditionError (see above for traceback): Attempting to use uninitialized value Variable

比如下面有个简单的例子

import tensorflow as tf

a = tf.Variable([1,2])
x = tf.constant([3,3])

add = tf.add(x,a)
sub = tf.subtract(x,a)

init = tf.initialize_all_variables()#进行变量的初始化

with tf.Session() as sess:  #with代码块会自动完成关闭会话动作
    sess.run(init)
    print(sess.run(add))
    print(sess.run(sub))