tensorflow入门

tensorflow是由谷歌人工智能团队谷歌大脑（Google Brain）开发和维护的一个深度学习框架。

入门案例

以下是一个加法运算的示例，我们通过tensorflow构建一个tensorflow graph ，然后通过session

会话去运行该graph，我们通过api sess.run()来指定图的输出，除了最终的结果，参与整个图运

算的数据我们都可以输出，如果我们需要得到的话。

 1 import tensorflow as tf
 2 
 3 """
 4 实现一个加法运算，必须遵循以下的格式
 5 """
 6 
 7 #创建一个tensor张量
 8 a = tf.constant(5.0)
 9 b = tf.constant(6.0)
10 
11 #创建一个op(操作)
12 sum=tf.add(a, b)
13 
14 #通过Session执行graph
15 with tf.Session() as sess:
16     print(sess.run(sum))
17     print(sess.run([a, sum]))
18     print(sum.eval())

运行结果

我们通过sess.run(sum)来输出数据sum，如果输出的数据是多个，我们需要使用元组。

我们也可以使用sum.eval()来输出数据sum。

核心概念

tensorflow=tensor + flow ,也就是有向数据流 ，我们使用tensorflow就是构建一个数据流图， 然后执行改图。

tensorflow数据流图

•  张量： tensor， 数据就是张量
• 节点： operation(op),所有的运算操作都是一个op
•  图： graph，整个程序的结构就是一个graph，定义了整个程序的框架
•  会话： session ， 用来运行图  

tensor(张量）

tensorflow graph中的数据都是张量，示例如下：

1 import tensorflow as tf
2 
3 
4 a = tf.constant(5.0)
5 b = tf.constant(6.0)
6 sum=tf.add(a, b)
7 print(a)
8 print(sum)

输出结果如下：

我们看到的结果就是Tensor对象

op(操作)

只要使用tensorflow的API定义的函数都是op， 如constant(), add()。

graph(图）

tenorflow有一个默认图， 如果我们不指定图的话， 默认就是在默认图上运行的。

• 默认图

如果我们不指定图的话，我们使用的是tensorflow的默认图，他会自动调用 graph=

tf.get_default_graph(), 相当于给程序分配了一段内存， 我们所有的Tensor， op

都在这张图上。

 1 import tensorflow as tf
 2 
 3 """
 4 实现一个加法运算，必须遵循以下的格式
 5 """
 6 
 7 #创建两个tensor张量
 8 a = tf.constant(5.0)
 9 b = tf.constant(6.0)
10 #创建一个op(操作)
11 sum=tf.add(a, b)
12 
13 print(a.graph)
14 print(b.graph)
15 print(sum.graph)
16 
17 #默认图
18 graph = tf.get_default_graph()
19 print(graph)
20 
21 #通过Session执行graph
22 with tf.Session() as sess:
23     print(sess.run(sum))
24     print(sess.run([a, sum]))
25     print(sum.eval())

运行结果如下图所示：

通过运行结果，发现tensor， op ， 和session 都运行在一张图上， 也就是系统默认

的这张图 。 with tf.Session() as sess: 相当于 with.tf.Session(graph) as sess: 。

• 自定义图

默认使用的是tensorflow默认图，我们也是可以自定义图，一下是一个自定义图的完整示例：

1 import tensorflow as tf
2   
3 #创建一个图
4 g = tf.Graph()
5 
6 #使用自定义的图
7 
8 with g.as_default():
9      pass

session(会话)

session是一个会话， tensorflow的graph必须在Session中执行

• 会话的作用

1.运行图的资源

2.分配资源运算，决定graph在什么设备上运行

3.掌握资源（变量的资源，队列，线程）

会话对象， 我们可以执行创建，运行和关闭等操作

1 s = tf.Session()
2 s.run()
3 s.close()

上下文环境

会话就是graph的上下文环境，只要有Session就有上下文环境。