tensorflow基本概念

tensorflow基本概念

tensorflow中使用图（graphs）来表示计算任务；
在会话（Session）的上下文（context）中执行图；
使用tensor表示数据；
通过变量（Variable）维护状态；
使用feed和fetch可以为任意的操作赋值或者从其中获取数据。

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个或多个Tensor，执行计算，产生0个或多个Tensor。 Tensor 可以看作是一个 n 维的数组或列表。图必须在会话（Session）里被启动。

tensorflow结构

tensorflow使用图来表示计算任务，在会话中执行图。如上图所示，最外边的大框就表示一个会话（session），会话中有两个图（graph）：Graph 1和Graph 2。这两个图用来表示两个计算任务，图中会有一些节点（op，例如加、减、乘、除）。
**tensorflow的Python库中有一个默认的图，我们一般给默认的图增加节点，把数据传入到节点中进行操作就可以了。**一般来说，这个默认的图对于大多数程序来说基本上都是足够的。

tensorflow基本用法

tensorflow的基本操作如下：

import tensorflow as tf

#创建两个常量op
m1=tf.constant([[3,2]])
m2=tf.constant([[4],[5]])
#创建一个矩阵乘法op，把m1,m2传入
product=tf.matmul(m1,m2)
#定义会话，启动默认的图
sess=tf.Session()
#调用sess的run方法，执行矩阵乘法op
#run(product)触发了图中三个op
result=sess.run(product)
print(result)
#最后要关闭会话
sess.close()

输出结果：[[22]]
上述代码可以更简便一点，如下所示：

#可以自动关闭会话，不需要手动close
with tf.Session() as sess:
    result=sess.run(product)
    print(result)