Tensorflow——创建图、启动图

一、前言

       Tensorflow是一个编程系统，使用图（graphs）来表示计算任务，图（graphs）中的节点称之为op（operation），一个op获得0个或者多个Tensor，执行计算，产生0个或者多个Tensor，Tensor看做是一个n维的数组或者列表，图必须在会话（Session）里被启动。

 

二、操作

• 导入tensorflow库 

import tensorflow as tf

• 创建两个常量op：m1,m2

# m1:一行两列的矩阵,m2:两行一列的矩阵
m1 = tf.constant([[3,3]])
m2 = tf.constant([[2],[3]])

# 创建一个矩阵乘法的op，将m1和m2作为参数传入
product = tf.matmul(m1,m2)

• 如果直接使用print函数进行结果的打印，是打印不出来的，结果如下显示的是一个Tensor， 程序需要在会话下执行

• 结果分析：

在Tensorflow中，所有的数据都是通过张量（Tensor）的形式来表示的，从功能的角度上看，张量可以被简单理解为多维数组。其中零阶张量表示标量（scalar），也就是一个数，第一阶张量为向量（vector），也就是一个一维数组；第n阶张量可以理解为一个n维数组。但是张量在tensorflow中的实现并不是直接采用数组的形式，他只是对tensorflow中运算结果的引用。在张量中并没有真正的保存数字，它保存的是如何得到这些数字的计算过程。因此使用print输出product的结果时，输出的并不是所希望得到的值。

从print的输出结果来看，张量中主要保存了三个属性：名字（name）、维度（shape）和类型（type）

 

• 第一种创建会话

此种创建会话的方法，需要在完成所有的计算之后，关闭会话（sess.close()）来帮助系统回收资源，否则就可能出现资源泄露的问题。

# 定义一个会话，启动默认图
sess = tf.Session()
# 调用run方法来执行矩阵乘法op，run(product)触发了图中的3个op
result = sess.run(product)
print(result)
#关闭会话
sess.close()

结果：

 

• 第二种创建会话：创建会话最常用的标准方式

在上一种创建会话的方式下，当程序因为异常而退出时，关闭会话的函数可能就不会被执行，从而导致资源泄漏，为了解决异常退出时，资源释放的问题，Tensorflow可以通过python的上下文管理器来使用会话。当上下文退出时，会话关闭和资源释放也自动完成了。

# 语句执行完，自动关闭会话
with tf.Session() as sess:
    result = sess.run(product)
    print(result)

结果：

 

 

• 完整过程