tensorflow是乙個深度學習框架，它使用圖（graph）來表示計算任務，使用tensor（張量）表示資料，圖中的節點稱為op，在乙個會話（session）的上下文中執行運算，最終產生tensor。
之所以用計算圖來表示計算任務，tensorflow的官網的一張就能很好的說明。
tensor在數學中稱為張量，表示空間，在計算圖模型中就是基本的資料型別，如同我們在sklearn等機器學習框架中使用numpy的矩陣作為基本運算的資料型別一樣，無論幾維的矩陣都是乙個張量
神經網路的前向傳播本質上就是一張計算圖進行計算。相比其他術語，也許計算圖能更好的說明機器學習的本質。
graph 圖
session 會話
#tf.constant(value, dtype=none, shape=none,name="const")
tf.constant(10)
import tensorflow as tf
tf.varialbe(tf.zeros([1]))
文件中的乙個例子
state = tf.variable(0, name="counter")
# 建立乙個 op, 其作用是使 state 增加 1
one = tf.constant(1)
new_value = tf.add(state, one)
update = tf.assign(state, new_value)
# 啟**後, 變數必須先經過`初始化` (init) op 初始化,
# 首先必須增加乙個`初始化` op 到圖中.
init_op = tf.initialize_all_variables()
# 啟**, 執行 op
with tf.session() as sess:
# 執行 'init' op
sess.run(init_op)
# 列印 'state' 的初始值
print sess.run(state)
# 執行 op, 更新 'state', 並列印 'state'
for _ in range(3):
sess.run(update)
print sess.run(state)
# 輸出:
# 0# 1
# 2# 3
在計算圖執行時給予，類似函式的引數。
python
input1 = tf.placeholder(tf.float32)
tensorflow的程式一般分為兩個階段，構建階段和執行極端。一般，構建階段會建立乙個圖，來表示神經網路，在執行階段在反覆執行訓練圖。
可以把圖的構建看成定義乙個複雜的函式。
import tensorflow as tf
matrix1 = tf.constant([[3.,3]])
matrix2 = tf.constant([[2.],[2.]])
product = tf.matmul(matrix1,matrix2)
python
sess = tf.session()
result = sess.run(product)
# 執行圖定義的product運算
print(result)
sess.close
#執行完畢後關閉會話
還有另一種方法會使用python的特性
python
with tf.session() as sess:
result = sess.run([product])
print(result)
在sess的運算中不僅可以取回結果，還可以取回多個tensor，在神經網路中，我們可以取回中間層的結果
input1 = tf.constant(3.0)
input2 = tf.constant(2.0)
input3 = tf.constant(5.0)
intermed = tf.add(input2, input3)
mul = tf.mul(input1, intermed)
with tf.session() as sess:
result = sess.run([mul, intermed])
print result
# 輸出:
# [array([ 21.], dtype=float32), array([ 7.], dtype=float32)]
有時訓練過程中我們會執行增量訓練，這時就會使用前面介紹的placeholder()
input1 = tf.placeholder(tf.float32)
input2 = tf.plaeholder(tf.float32)
output = tf.mul(input1, input2)
with tf.session() as sess:
print(sess.run([ouput], feed_dict=)
Tensorflow的基礎用法
tensorflow是乙個深度學習框架，它使用圖 graph 來表示計算任務，使用tensor 張量 表示資料，圖中的節點稱為op，在乙個會話 session 的上下文中執行運算，最終產生tensor。之所以用計算圖來表示計算任務，tensorflow的官網的一張就能很好的說明。tensor在數學中...
Tensorflow入門基礎語句及用法
tensorflow顧名思義是張量流動的意思，這裡的tensor雖然翻譯成張量但其實跟向量沒區別。tensorflow通過構建一張 圖 這個圖有點類似 樹 的結構。這裡可以看到圖中有很多節點，我們輸入的資料從根節點 就是最上方的節點 進入。然後流過這些節點。因為資料一般是以張量的形式流過節點，所以叫...
TensorFlow基本用法
author youngkl coding utf 8 import tensorflow as tf 1 2的矩陣 mat1 tf.constant 3.3.2 1的矩陣 mat2 tf.constant 2.3.ans tf.matmul mat1,mat2 此時ans無法直接輸出 啟動預設圖 ...