tensorflow学习笔记（二）session,graph,operator,tensor

Session,Graph,Operator,Tensor

1. Session

图的概念比较抽象

可能c可以叫做是operator，可以发现，result=sess.run(c)之后，打印c和result，result才可以打被印得出来

with tf.Session(target='', graph=None, config=None) as sess:

   sess.run(fetches, feed_dict={y:3})

也是一种方式，feed_dict给placehoder赋值，注意feed_dict只在调用它的句子中才有效

注:函数-tf.initialize_all_variables()

当Session加载Graph的时候，Graph里面的计算节点都不会被触发执行。当运行sess.run(output)的时候，会沿着指定的Tensor output来进图路径往回触发相对应的节点进行计算。

所以在计算Graph时，并不一定是Graph中的所有节点都被计算了，而是指定的计算节点或者该节点的输出结果被需要时。

2. Graph

g = tf.graph()

with g.as_default(): 可以设置其为默认图

这样可以把它当作Session的参数传进去：

with tf.Session(graph = g) as sess1:

     print sess1.run(c1)

这样一个程序里可以有多张图，也可以建立多个会话

3. Operation

比如： c = tf.matmul(a,b)

一些我已经知道的，必须掌握的基本api：

1. w/b = tf.Variable(initial-value>,name=)

       y = tf.matmul(w,x)+b

       z = tf.sigmoid(w+y)

       a = tf.placeholder("float")

       w.assign(w+1.0) / w.assign_add(1.0)

      init = tf.initialize_all_variables()

save