参考资料：
斯坦福CS20-2017pdf
-
第一课 Graphs、Sessions、tensor
理清两个概念：Graphs、Sessions、tensor
Graphs：计算的蓝图，并未真正开始计算，用图来表示计算是很直观的。
跟Graph相关的操作：
g = tf.get_default_graph()
g = tf.Graph()
with g.as_default():
Session：搭建好Graph后，需要在Sessin计算才可以得到值。
image.png
tensor：n维数据
细节：
-
第二课
显示graph
如果要修改图中变量的符号，在变量定义的时候加多一个name参数
常量定义：
tf.constant(value, dtype=None, shape=None,name='Const', verify_shape=False)
tf.zeros(shape, dtype=tf.float32, name=None)
tf.ones
tf.zeros_like(input_tensor, dtype=None, name=None, optimize=True)
tf.ones_like
tf.fill([2, 3], 8) ==> [[8, 8, 8], [8, 8, 8]]
tf.linspace(10.0, 13.0, 4) ==> [10.0 11.0 12.0 13.0]
tf.range(start=3, limit=18, delta=3) ==> [3, 6, 9, 12, 15]
tf.range(limit=5) ==> [0, 1, 2, 3, 4]
随机常量：
tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)
tf.truncated_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None,
name=None)
tf.random_uniform(shape, minval=0, maxval=None, dtype=tf.float32, seed=None,
name=None)
tf.random_shuffle(value, seed=None, name=None)
tf.random_crop(value, size, seed=None, name=None)
tf.multinomial(logits, num_samples, seed=None, name=None)
tf.random_gamma(shape, alpha, beta=None, dtype=tf.float32, seed=None, name=None)
tf.set_random_seed(seed)
运算符：
数据类型：
变量：
tf.Variable is a class, but tf.constant is an op
必须要自己初始化变量：
Placeholders：
tf.placeholder(dtype, shape=None, name=None)
sess.run(c, {a: [1, 2, 3]}) # the tensor a is the key, not the string ‘a’
例子：
tensorflow比较
