（1）圖預設已經註冊，一組表示 tf.operation計算單位的物件和tf.tensor，表示操作之間流動的資料單元的物件
（2）獲取呼叫：
tf.get_default_graph()
op、sess或者tensor 的graph屬性
（3）圖的建立和使用：
執行tensorflow操作圖的類，使用預設註冊的圖（可以指定執行圖）
（2）會話資源
會話可能擁有很多資源，如 tf.variable，tf.queuebase和tf.readerbase，會話結束後需
要進行資源釋放。
sess = tf.session() sess.run(...) sess.close()
（3）使用上下文管理器
with tf.session(
)as sess:
sess.run(..
.)config=tf.configproto(log_device_placement=
true
)#互動式：tf.interactivesession()
run(fetches, feed_dict=none,graph=none)
執行ops和計算tensor，巢狀列表，元組，namedtuple，dict或ordereddict(過載的運算子
也能執行)；
feed_dict 允許呼叫者覆蓋圖中指定張量的值,提供給placeholder使用；
返回值異常：
runtimeerror：如果它session處於無效狀態（例如已關閉）。
typeerror：如果fetches或feed_dict鍵是不合適的型別。
valueerror：如果fetches或feed_dict鍵無效或引用 tensor不存在。
a.tensorflow基本的資料格式：
乙個型別化的n維度陣列（tf.tensor），三部分，名字，形狀，資料型別
b.張量的階：
c.張量的資料型別
d.張量的屬性
graph 張量所屬的預設圖
op 張量的操作名
name 張量的字串描述
shape 張量形狀
e.張量的動態形狀和靜態形狀
靜態形狀：
建立乙個張量或者由操作推導出乙個張量時,初始狀態的形狀
tf.tensor.get_shape():獲取靜態形狀
tf.tensor.set_shape():更新tensor物件的靜態形狀，通常用於在不能直接推斷的情況
動態形狀：
一種描述原始張量在執行過程中的一種形狀
tf.reshape():建立乙個具有不同動態形狀的新張量
注意點：
轉換靜態形狀的時候，1-d到1-d，2-d到2-d，不能跨階數改變形狀
對於已經固定或者設定靜態形狀的張量／變數，不能再次設定靜態形狀
tf.reshape()動態建立新張量時，元素個數不能不匹配
a.生成張量
b.隨機張量
c.改變張量型別
c.形狀和變換
d.切片
TensorFlow深度學習框架
tensorflow支援python和c 兩種程式語言，再複雜的多層神經網路模型都可以用python來實現，如果業務使用其他程式設計也不用擔心，使用跨語言的grpc或者http服務也可以訪問使用tensorflow訓練好的智慧型模型。tensorflow 是乙個採用資料流圖 data flow gr...
深度學習框架Tensorflow
tensorflow分為cpu與gpu兩個版本，可以使用如下命令安裝tensorflow jupyter中的安裝 pip install tensorflow cpu版本 pip install tensorflow gpu gpu版本 安裝之後，在程式中就可以通過import匯入使用，按照管理，我...
tensorflow框架基礎之Session
會話持有並管理tensorflow程式執行時的所有資源 呼叫會話的兩種方式 方式一 明確的呼叫會話的生成函式和關閉會話函式 create a session sess tf.session use this session to run a result sess.run close this se...