- 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))