x=tf.linspace(-3.0,3.0,100)，tf.linspace()称为操作，任何一次操作的结果都得到Tensor

print(x) 输出：Tensor("LinSpace:0", shape=(100,), dtype=float32)返回值是一个Tensor，不是数值，其中"LinSpace:0"是Tensor的名字，表示LinSpace空间的第0个输出！

查看默认图及其操作g=get_default_graph(),[op.name for op in g.get_operations()]

输出：['LinSpace/start', 'LinSpace/stop', 'LinSpace/num', 'LinSpace']

通过名字访问任何张量的输出g.get_tensor_by_name("Linspace"+":0")

输出：<tf.Tensor 'LinSpace:0' shape=(100,) dtype=float32>

运行时先启动session，最后关闭session：sess=tf.Session(), print(sess.run(x)),sess.close()

输出：[-3. -2.939394 -2.87878799 ……]

管理图sess=tf.Session(graph=g),sess.close(),关闭默认图。

创建新图g2=tf.Graph()

简化输出过程，使用以下命令：

• sess=tf.InteractiveSession()

• x.eval()

• 输出：array([-3. , -2.939394 ,……],dtype=float32)

得到张量的shape

• print(x.get_shape()) 输出：（100，）

• print(x.get_shape().as_list())输出：[100]

创建一个标准正态分布：

• mean=0

• sigma=1

• f=1.0/(tf.sqrt(2*3.1415)*sigma)*tf.exp(-0.5*tf.pow(x-mean,2)/tf.pow(sigma,2))

• res=f.eval()

• plt.plot(x,res)

• 输出：一个高斯图形

注意：如果图形、图像没显示，添加%matplotlib inline

使用f（高斯函数）创建一个2D高斯核

• ksize=f.get_shape().as_list()[0]

• z_2d=tf.matmul(tf.reshape(f,[ksize,1]),tf.reshape(f,[1,ksize))

• tf.matul是两个矩阵乘积；tf.reshape(arg1,arg2),将arg1转变成arg2的形式，如arg2=[a,b],即位a行，b列的矩阵

• plt.imshow(z_2d.eval())画出图形。
  

用高斯函数来进行图像的卷积（“卷积”我们先理解成过滤图像信息的工具）

使用tensorflow对图像做卷积，图像必须是4D的，即是将不是4D的转变成4D=N x H x W x C,使用tf.reshape(原始对象，目标对象),目标对象是个list[, , , ,]

高斯核也要转变成4D的，[Kernel Height,Kernel Width,Number of Input Channels,Number of Output Channels]

• z_4d = tf.reshape(z_2d, [ksize, ksize, 1, 1])

• print(z_4d.get_shape().as_list()) 输出：[ksize, ksize, 1, 1]

• The number of input channels should match the number of channels on the image we want to convolve.
  

使用高斯核过滤图像

• 使用tf.nn.conv2d(被卷积图像，卷积核，strides=[],padding=" ")

• convolved = tf.nn.conv2d(img_4d, z_4d, strides=[1, 1, 1, 1], padding='SAME')

• res = convolved.eval()

• print(res.shape)