TensorFlow 极简入门1（实例为主）

注：最近在学习tensorflow，我学习的版本是1.15版本，后面更新2.0版本，个人学习总结

helloworld案例

本人环境是python3.7+tensorflow-gpu1.15版本。gpu版本根据自己电脑而定。

第一个案例当然是构建helloworld案例了。具体代码如下：

import tensorflow as tf
hello = tf.constant('Hello world!')
sess = tf.Session()
print(sess.run(hello))

简单解释：import导入tensorflow，然后设置一个constant常亮。当我们要运行的时候，必须要新建一个sess，用Seeion()方法创建，调用run来执行

输出结果：
b'Hello world!' #b为字节文字

TensorFlow的基本概念

感性的理解为：tensorflow = tensor + flow    tensor张量 flow可以理解为流。

tensorflow是一个通过计算图的形式表达计算的编程系统。每个计算都是计算图上的一个节点，节点之间的边描述了计算之间的关系。

tensor介绍

Tensor 可以理解为张量，可以简单的理解为比如多维数组。

• tensorflow中，所有的数据通过张量的形式来表示
• 从功能角度，tensor可以理解为多维数组
  • 零价张量表示标量（scalar），也就是一个数字
  • 一阶张量为向量（vector），一维数组
  • n阶张量可以理解为一个n维数组
• 注意：张量没有真正保存数字，它保存的是计算过程

tensor属性：Tensor(''Add:0'',shape=(),dtype=float32)

• name： ‘’node：src_output‘’   其中node节点名字，src_output节点的第几个输出
• shape： 张量维度，shape=()，表示标量
• type：每个张量对应唯一类型

下面给出一个小例子来加深对tensor属性的理解。要注意输出的（3,2,3）

import tensorflow as tf
tensor1 = tf.constant([[[1,1,1],[2,2,2]],
                      [[3,3,3],[4,4,4]],
                      [[5,5,5],[6,6,6]]],name='tensor1')
print(tensor1)

#输出结果:Tensor("tensor1:0", shape=(3, 2, 3), dtype=int32)

#取出某个值 注意的是要有输出得用Session
sess = tf.Session()
print(sess.run(tensor1)[0,0,0])
sess.close()

#输出：1

张量的类型：支持14种不同的类型

• 实数：tf.float32/64
• 整数：tf.int8/16/32/64  tf.uint8同上
• 布尔：tf.bool
• 复数：tf.complex64/complex128
• 默认类型：不带小数点默认int32，带小数点默认float32  对数据类型要求非常严格。

简单计算加深理解：对数据类型要求很严格，不然会报错

import tensorflow as tf
a = tf.constant([1,2],name='a',dtype=tf.float32)
b = tf.constant([2,3],name='b',dtype=tf.float32)
result = tf.add(a,b)
sess =tf.Session()
print(sess.run(result))
sess.close()

#输出：[3. 5.]