TensorFlow 入门（一）计算图，张量和会话

1.计算图
隔离张量和计算，同时管理张量和计算
函数
tf.get_default_graph获取当前默认计算图
tf.Graph生成新的计算图
变量的定义和使用如下：

import tensorflow as tf
g1=tf.Graph()
with g1.as_default():
    v=tf.get_variable(
        "v",shape=[2,2],initializer=tf.random_normal_initializer
    )
with tf.Session(graph=g1) as sess:
    tf.global_variables_initializer().run()
    with tf.variable_scope("",reuse=True):
        print(sess.run(tf.get_variable("v")))

tf.Graph.device()指定运行设备：

with g.device('/gpu:0'):
	result = a + b

在一个计算图中,通过集合管理资源。
tensorflow自动管理的5个集合：

集合	内容
tf.GraphKeys.VARIABLES	所有变量
tf.GraphKeys.TRAINABLE_VARIABLES	神经网络中的参数
tf.GraphKeys.SUMMARIES	日志生成的张量
tf.GraphKeys.MOVING_AVERAGE_VARIABLES	计算了滑动平均的变量

之后补充以下：
tf.GraphKeys.QUEUE_RUNNERS

2.张量tensor
在功能上看做多维数组，但区别于numpy的数组，其实是对Tensorflow中计算结果的引用
具有名字，维度，类型三个属性

属性	使用
名字	name= “v”
维度	shape=[1,1]
类型	dtype=实数2种，整数5种，布尔，复数2种

3.会话Session
用于执行运算，在所有计算完成后需要关闭
有两种常用方式：
方式一

with tf.Session() as sess:
    ...
    sess.run(...)

方式二：

sess=tf.Session()
sess.run(...)
sess.close()