tensorflow基础知识

with tf.Graph().as_default()

tensorflow下Graph中tf.Operation是一个node，而tf.Tensor是一个edge。在没有特别说明的情况下，程序中定义的tf.Operation均是添加进入default_graph中。

tf.Graph()表示实例化了一个类，一个用于tensorflow计算和表示用的数据流图，我们可以利用很多线程生成很多张图，但是默认图只有一张。

tf.Graph().as_default()表示将这个类实例，也就是新生成的图作为整个tensorflow运行环境的默认图，如果只有一个主线程那么不写也没有关系，tensorflow里面已经存好了一张默认图，可以使用tf.get_default_graph()来调用

with tf.Graph().as_default()会启动一个上下文管理器。所谓上下文管理器，就是在程序执行前将上文中当前所需要的资源准备好，并在结束时被系统回收。

tf.placeholder()

函数原型：

tf.placeholder(
    dtype,
    shape=None,
    name=None
)

参数说明：

• dtype：数据类型，通常是tf.float32，tf.float64等数值类型
• shape：数据形状，默认是None，指一维向量，也可以是多维，例如[2,3]，[None,3]表示列是3，行不定）
• name：名称

为什么要使用placeholder

Tensorflow的设计理念称之为计算流图，在编写程序时，首先构建整个系统的graph，代码并不会直接生效，这一点和python的其他数值计算库（如Numpy等）不同，graph为静态的。然后，在实际的运行时，启动一个session，程序才会真正运行。这样做的好处是：避免反复切换底层程序运行的上下文，tensorflow会帮我们优化整个系统的代码。

placeholder函数是在神经网络构建graph时在模型里的占位ie，此时并没有把要输入的数据传入模型，它只会分配必要的内存。建立session后，在会话中，运行模型的时候通过feed_dict()函数向占位符输入数据。