Tensorflow基础

基础概念

• tensor:张量（数据）
• operation(op):专门运算的操作节点，所有操作都是一个op
• grap:图，整个程序的结构
• Session:会话，运算程序的图

Tensorflow属于计算密集型，大多是在cpu上进行计算。

图

图默认已经注册，一组表示tf.Operation计算单位的对象和tf.Tensor表示操作之间流动的数据单元的对象。

获取调用：

tf.get_default_graph()

op.sess或者tensor的graph的属性

import tensorflow as tf
import numpy as np
tf.compat.v1.disable_eager_execution()

#创建一张图，包含了op和tensor
g = tf.Graph()
print(g)
#新创建的图分配新的内存地址
with tf.compat.v1.Session() as sess:
    c = tf.constant(11.0)
    print(c.graph)

#这个sess下的图和下面sess下的图共用一个地址

a = tf.constant(5.0)
b = tf.constant(6.0)

sum1 = tf.add(a, b)

#默认的这张图，相当于是给程序分配一段内存
graph = tf.compat.v1.get_default_graph()

print(graph)
with tf.compat.v1.Session() as sess:
    print(sess.run(sum1))
    print(a.graph)
    print(sum1.graph)
    print(sess.graph)

输出

<tensorflow.python.framework.ops.Graph object at 0x0000000001529748>
<tensorflow.python.framework.ops.Graph object at 0x0000000041256888>
<tensorflow.python.framework.ops.Graph object at 0x0000000041256888>
11.0
<tensorflow.python.framework.ops.Graph object at 0x0000000041256888>
<tensorflow.python.framework.ops.Graph object at 0x0000000041256888>
<tensorflow.python.framework.ops.Graph object at 0x0000000041256888>

op

 op:只要使用tensorflow的API定义的函数都是op

tensor:知道的就是数据，进行运算，载体

会话

1.会话

前端系统：定义程序的图的结构(用API)

后端系统：运算图结构

会话：连接前端和后端，解析API进行运算。

作用：运行图结构；分配资源计算；掌握资源(变量，队列，线程)

tf.Session()
运行TensorFlow操作图的类，使用默认注册的图（可以指定运行图）
sess = tf.Session() #创建图
sess.run(...) #启动图
sess.close() #关闭图，资源释放
    使用上下文管理器，默认使用完关闭图
with tf.Session() as sess:
    sess.run(...)
一个图可以在多个sess中运行，一个sess也能运行多个图

2.会话的run方法

run(fetches,feed_dict=None,graph=None)
运行ops和计算tensor
feed_dict允许调用者覆盖图中制定张量的值，提供给placeholder使用

代码

import tensorflow as tf
import numpy as np
tf.compat.v1.disable_eager_execution()

a = tf.constant(5.0)
var = 2.0
sum2 = a + var
print(sum2)

with tf.compat.v1.Session() as sess:
    print(sess.run(sum2))
#也可以运行，var会被重载为tensor类型。

输出

Tensor("add:0", shape=(), dtype=float32)
7.0