1 import tensorflow as tf
 2 
 3 # op ---指令
 4 # op指令
 5 # 返回tensor 里面包含的op名称为op指令空间内的名称
 6 # 名称不允许重复，如果重复，+_i来加以区别
 7 # 可以通过构建op的时候，来指定name参数来修改op在指令空间内的名称
 8 
 9 # 构建图
10 # 图结构---包含至少一组op与tensor的结构
11 con_a = tf.constant(3, name="con_a")
12 con_b = tf.constant(4, name="con_b")
13 
14 con_sum = tf.add(con_a, con_b, name="con_sum")
15 
16 print("con_sum:\n", con_sum)
17 print("con_a:\n", con_a)
18 print("con_b:\n", con_b)
19 
20 # 也可以获取op所在的图
21 print("a所在的图：", con_a.graph)
22 print("b所在的图:", con_b.graph)
23 print("sum所在的图:", con_sum.graph)
24 
25 # 执行图--执行默认的图
26 with tf.Session() as ss:
27     # 开启可视化 ---
28     # （1）序列化events文件
29     # 参数1 events文件的路径
30     # 参数2 需要保存的内容--保存会话执行的图
31     # 返回FileWriter对象
32     # events 文件---本质：关于本机名称、时间戳的文件
33     tf.summary.FileWriter("./tmp/", graph=ss.graph)
34     # （2）开启tensorboard后台服务器
35     # tensorboard --logdir="./tmp/" --host=127.0.0.1
36     # （3）在浏览器验证
37     # http://127.0.0.1:6006
38     print(ss.run(con_sum))
 1 # tensorflow 是一个开源的数值型计算库
 2 # 采用数据流图结构
 3 # 数据流图里面 点---节点（op）---数学计算单元
 4 # 数据流图里面 线---张量(tensor)---用来联系计算的多维数组
 5 
 6 # 优点：
 7 # 1、高度灵活---采用数据流图
 8 # 2、语言多样---C++底层，Python封装
 9 # 3、设备支持---CPU  GPU  TPU
10 # 4、可视化---将程序可以以数据流图的形式来展示
11 
12 # Python中的加法
13 # a = 3
14 # b = 4
15 # c = a + b
16 # print("c:\n", c)
17 
18 # 导包
19 import tensorflow as tf
20 
21 
22 import os
23 os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
24 
25 # 先定义一个变量
26 con_a = tf.constant(3)
27 con_b = tf.constant(4)
28 
29 # 变量相加
30 con_sum = tf.add(con_a, con_b)
31 
32 # 返回一个tensor  ，tensor里面包含着op
33 print("con_a:\n", con_a)
34 print("con_b:\n", con_b)
35 print("相加结果为：\n", con_sum)
36 
37 # 开启会话---执行图
38 with tf.Session() as ss:
39     print(ss.run(con_a))
40     print(ss.run(con_b))
41     print(ss.run(con_sum))
42 
43 # 数据流图
44 # （1）构建图阶段
45 # （2）执行图