Tensorflow基础

一、基础概念

TensorFlow是一种采用数据流图（data flow graphs），用于数值计算的开源软件库。其中 Tensor 代表传递的数据为张量（多维数组），Flow 代表使用计算图进行运算。数据流图用「结点」（nodes）和「边」（edges）组成的有向图来描述数学运算。「结点」一般用来表示施加的数学操作，但也可以表示数据输入的起点和输出的终点，或者是读取/写入持久变量（persistent variable）的终点。边表示结点之间的输入/输出关系。这些数据边可以传送维度可动态调整的多维数据数组，即张量（tensor）。

二、特点

在 Tensorflow 中，所有不同的变量和运算都是储存在计算图。所以在我们构建完模型所需要的图之后，还需要打开一个会（Session）来运行整个计算图。在会话中，我们可以将所有计算分配到可用的 CPU 和 GPU 资源中。像下面的没有打开回话的代码，运行的话不会输出任何东西。也就是说我们定义的每个变量都是一个tensor ，都需要在session中进行计算，这个计算包括

赋值，以及四则运算。不通过session会话运算我们什么都不会得到。

import tensorflow as tf sess = tf.Session() con1 = tf.constant('hello tf!!!',tf.string) #字符串常量 print(con1)

只有通过session会话计算之后才可以输出

import tensorflow as tf '''输出都要靠session来实现''' sess = tf.Session() con1 = tf.constant('hello tf!!!',tf.string) #字符串常量 print(sess.run(con1))

 输出:

三、变量和常量

tips：要注意的是使用tensorflow的变量时要先进行初始化，不然会报错

import tensorflow as tf '''输出都要靠session来实现''' sess = tf.Session() '''常量''' con1 = tf.constant('hello tf!!!',tf.string) #字符串常量 con2 = tf.constant(2.5,tf.float32)#浮点型常量 con3 = tf.constant(2,tf.int32)#int 型常量 '''变量 ''' var = tf.Variable(10,tf.int32) '''要注意tf中的变量必须要初始化才可以使用''' init = tf.global_variables_initializer() with sess:#这样写就可以省去sess.close()语句 会自动关闭session sess.run(init) '''打印变量''' print(sess.run(con1)) print(sess.run(con2)) print(sess.run(con3)) print(sess.run(var))

输出：

b'hello tf!!!' 2.5 2 10

 

四、变量常量之间的简单运算：

import tensorflow as tf data1 = tf.constant(6) data2 = tf.Variable(2) dataAdd = tf.add(data1,data2) dataCopy = tf.assign(data2,dataAdd)#将dataAdd的值赋给data2 然后此时的data2就是dataCopy dataSub = tf.subtract(data1,data2) dataMul = tf.multiply(data1,data2) dataDiv = tf.divide(data1,data2) '''有变量的情况下 要对变量进行初始化''' init = tf.global_variables_initializer() with tf.Session() as sess: sess.run(init) print(sess.run(dataAdd)) print(sess.run(dataSub)) print(sess.run(dataMul)) print(sess.run(dataDiv)) print('dataCopy',sess.run(dataCopy))

输出:

8 4 12 3.0 dataCopy 8