TensorFlow 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。

1.Tensor

tensor，表示张量，在TensorFlow中常用Tensor来描述矩阵信息。如下表示创建一个tensor，并将其初始化为0（zeros函数表示初始化一个tensor，并将其所有成员置位为0，缺省类型为float32）。

import tensorflow as tf #一般对导入库进行重命名，减少后续引用的复杂性
a=tf.zeros(shape=[3,4])
print(a)
#输出 Tensor("zeros:0", shape=(3, 4), dtype=float32)

2.常量

格式：a=tf.constant(shape)，shape可以为一维矩阵，也可为多维矩阵。如下所示：

b=tf.constant([[1]])
c=tf.constant([[1,1]])
d=tf.constant([[1],[1]])
e=tf.constant([[[1],[1]]])
print("a =",a)
print("b =",b)
print("c =",c)
print("d =",d)
print("e =",e)
#输出如下
# a = Tensor("Const:0", shape=(1,), dtype=int32)
# b = Tensor("Const_1:0", shape=(1, 1), dtype=int32)
# c = Tensor("Const_2:0", shape=(1, 2), dtype=int32)
# d = Tensor("Const_3:0", shape=(2, 1), dtype=int32)
# e = Tensor("Const_4:0", shape=(1, 2, 1), dtype=int32)

3.变量

在TensorFlow中，用Variable来表示变量。变量的使用如下：

#创建一个变量
w = tf.Variable(<initial-value>, name=<optional-name>)
#变量使用
y = tf.matmul(w, ...another variable or tensor...)
#重载运算符
z = tf.sigmoid(w + y)#sigmoid 激活函数
#赋值， Assign a new value to the variable with `assign()` or a related method.
w.assign(w + 1.0)
w.assign_add(1.0)

特别注意：变量在使用前需要初始化，变量初始化可以对单个变量初始化（tf.session(w.initializer)），也可调用函数对所有变量进行初始化(tf.globalvariablesinitializer())，推荐使用全局变量初始化。

4.占位符（placeholder）

有时候有些变量我们无法初始化值时，我们用占位符来表示。

a = tf.placeholder(tf.int16)
b = tf.placeholder(tf.int16)
add = tf.add(a, b)

5.图、会话

图类似于一个容器，将所有的会话都放在里面，并在其上进行运算（操作，op）。

会话用来表示一个运行的空间。

一个图可以有多个会话，一个会话包含于一个图中。官方解释如下：

If no `graph` argument is specified when constructing the session,the default graph will be launched in the session. If you are using more than one graph (created with `tf.Graph()` in the same process, you will have to use different sessions for each graph,but each graph can be used in multiple sessions.

会话的使用：

#方式1：特别注意，这种方式需要关闭会话
sess = tf.Session()
result = sess.run(add)
sess.close()
#方式2 推荐使用该方式
with tf.Session() as sess
 sess.run(add)

6.示例

import tensorflow as tf
#常量与变量计算
a = tf.constant([[1,2]])
b = tf.Variable([[1],[3]])
c = tf.matmul(a,b)
with tf.Session() as sess:
 # 初始化变量
 sess.run(tf.global_variables_initializer())
 sess.run(c)
 print(c)
#>>Tensor("MatMul:0", shape=(1, 1), dtype=int32)
#占位符的使用
c = tf.placeholder(tf.int16)
d = tf.placeholder(tf.int16)
add = tf.add(c, d)
with tf.Session() as sess:
 print('a+b=',sess.run(add, feed_dict={c: 2, d: 3}))
#>>a+b= 5

小结：Tensorflow采用图（graphs）表示计算任务，采用会话上下文来执行图，用Tensor表示数据，通过变量来维护状态.

Enjoy.

转载请注明出处，Juyin@2017/11/11