一、tensorflow基础元素
使用 TensorFlow, 你必须明白 TensorFlow:
- 使用图 (graph) 来表示计算任务.
- 在被称之为
会话 (Session)的上下文 (context) 中执行图. - 使用 tensor 表示数据，tensor是张量，即多维数组。
- 通过
变量 (Variable)维护状态. - 使用 feed 和 fetch 可以为任意的操作op(arbitrary operation) 赋值或者从其中获取数据.
结构图如下：
- 一个Session会话中可以有多个graph图，graph图一般使用框架自带的默认图即可。
- 一个graph图中可以有多个操作op，op可以传入0或多个tensor传入，同时输出0或多个tensor，op需要在session中用session.run()方法执行。
- tensor即多维数组，tensor可以是Variable变量、constant常亮、placeholeder占位符，这三个会在后续内容更新讲解。
graph、session、tensor是三个类，Session可以看做是一整个工作任务，Graph可以看成是工作任务中的其中一个工作流程图，而op是流程图中的的操作方法（也可以看成是函数），op要用Session.run()方法来执行，利用下面的结构图来讲解。
Session中有两个图Graph1与Graph2，这两个图是计算的流程图，流程如下：tensor、Variable输入第一个opration执行操作，第一个opration执行操作输出tensor，输出的tensor与另一个tensor输入到第二个opration，第二个opration执行操作，图结束。
示例代码：
import tensorflow as tf #根据Graph2，创建一个变量常量、两个常量，都是二维数组x=tf.Variable([[1,2,3],[4,5,6]])w=tf.constant([[1],[2],[3]])b=tf.constant([[1],[1]])#OP：初始化。若定义了变量，在执行图操作之前，要对变量进行初始化，下面函数初始化所有变量init=tf.global_variables_initializer()#OP：矩阵相乘MatMul=tf.matmul(x,w)#OP：矩阵相加opAdd=tf.add(MatMul,b)#OP：激活函数opReLU=tf.nn.relu(Add)#创建一个Session会话，graph参数没有指定图则会调用默认图sess=tf.Session()sess.run(init) #执行初始化，所有的op都要在session.run()方法中执行print(sess.run(ReLU)) #执行图的最后一步即可运行整个图，程序会自动一层一层往前调用，得到最后结果sess.close() #会话关闭#用With创建会话，可以用需要closewith tf.Session() as sess: sess.run(init) print(sess.run(ReLU))
任何疑问请查阅：