python边写边总结（五）tensorflow的使用及零散的知识点

前面做完了tensorflow的安装https://blog.csdn.net/zhouzhouasishuijiao/article/details/84986474

 后面尝试自己做tensorflow的一些事情，对零散的知识点进行一些总结,主要留给自己备用

• tensorflow中两种作用域

name scope(命名域)：通过tf.name_scope()来实现

variable scope(变量域)：通过tf.variable_scope()来实现；可以通过reuse标志以及初始化方式来影响域下的变量

两种方式都回给变量加上词头

import tensorflow as tf 

with tf.name_scope('cltdevelop'): 
    var_1 = tf.Variable(initial_value=[0], name='var_1') 
    var_2 = tf.get_variable(name='var_2', shape=[1, ]) 
with tf.variable_scope('aaa'):
    var_3 = tf.Variable(initial_value=[0], name='var_3') 
    var_4 = tf.get_variable(name='var_4', shape=[1, ]) 

print(var_1.name) 
print(var_2.name) 
print(var_3.name) 
print(var_4.name)

在tensorflow中变量共享机制是通过tf.get_variable()和tf.variable_scope()两者搭配使用来实现的。

import tensorflow as tf 

with tf.variable_scope('cltdevelop'): 
    var_1 = tf.get_variable('var_1', shape=[1, ]) 

with tf.variable_scope('cltdevelop', reuse=True): 
    var_2 = tf.get_variable('var_1', shape=[1,]) 

print(var_1.name) 
print(var_2.name)

 当reuse设置为True或者tf.AUTO_REUSE时，表示这个scope下的变量是宠用的或者共享的，也说明这个变量以签就已经创建好了。但是如果这个变量之前没有创建过，则在tf.variable_scope下调用tf.get_variable创建这个变量会报错。

• 张量 tf.tensor

经过短暂的使用，发现tensorflow有个特殊的变量，叫做张量，这个变量既能作为变量在运算过程中作为操作数，也能作为一行代码的标记，最终，在会话中被使用

• 会话 session

tensorflow的运算模式是先定义过程，然后在调用该过程进行运算，session()就是用于调用运算过程。

import numpy as np
import tensorflow as tf

a=np.linspace(0,4,5)
b=np.linsapce(4,8,5)
c=np.add(a,b)#这里c就成为了张量
d=np.add(b,c)#这里可以把c运用到运算里面

# session的第一种定义方式
sess=tf.session()
sess.run(c)

# session的第二种定义方式
with tf.Session() as sess:
    sess.run(d)