tensorflow 基本概念

一、占位符
tf.placeholder(dtype, shape=None, name=None)
在使用
Session.run()之前，需要使用feed_dict对占位符进行操作。

import tensorflow as tf
import numpy as np
x = tf.placeholder(tf.float32, shape=(3,3))
y = tf.matmul(x,x)
with tf.Session() as sess:
  rand_array = np.random.rand(3,3)
  print sess.run(y, feed_dict={x: rand_array})

如果shape=(None, 1024), None是python中的空值，表示可以任何维度的1024列二维数组。
二、变量
在tensorFlow 一些随时用来计算变化操作共享的量，我们知道OP操作在python传递的是ndarray多维数组C++中就是tensorFlow的tensor类，多维数组在tensorFlow表示就是变量。
例如：

w = tf.Variable(tf.zeros([10]), name="weights")
b = tf.Variable(tf.zeros([10]), name="bias")
常量
k = tf.constant(1)

Variable 第一个参数表示初始化的值，第二个参数表示参数的名称。
注意：初始化variable后，其type和shape就固定了。它的value可以通过assign方法进行改变。
如果你想要改变variable的shape，使用assign操作并validate_shape=False。
三、Session回话
tensorflow通过Session进行连接操作执行所有的op形成一个有向图。在进行Session之前，需要对变量进行初始化操作，使用的是

init = tf.initialize_all_variables()
tf.Session.run(init)

Session的使用方式：
tf.Session.run(fetches, feed_dict=None, options=None, run_metadata=None)