TensorFlow1.x入门（1）——计算图的创建与启动

系列文章

本教程有同步的github地址

0. 统领篇

1. 计算图的创建与启动

2. 变量的定义及其操作

3. Feed与Fetch

4. 线性回归

5. 构建非线性回归模型

6. 简单分类问题

7. Dropout与优化器

8. 手动调整学习率与TensorBoard

9. 卷积神经网络（CNN）

10. 循环神经网络（RNN）

11. 模型的保存与恢复

概念

计算图可以认为是TensorFlow中的数据流向图，TensorFlow1.x版本采用的静态图的机制。即先搭图后计算的特点。有了计算图，可以将数据“导流到”计算图的入口处进行数据的运算等相关的处理。

知识点

• TensorFlow中采用图（Graph）来表示计算任务——即称为计算图。
• 在会话（Session）的上下文（Context）中执行计算图。
• 通过张量（Tensor）来表示数据。
• 通过变量（Variable）来维护状态。
• 通过Feed合Fetch为任意操作赋值与取值

tf.constant([[4],[5]])是代表了定义了一个shape为（1，2）的常量，数值已经存放进去，可以为这个常量进行命名。

tf.matmul(ve1, ve2)定义了一个矩阵的相乘操作，如果vec1的shape为（1，2），vec2的shape为（2，1）则相乘的结果为（1，1）

tf.Session()定义了会话，所有的操作以及数据都是通过会话导入到计算图中的。

示例

import tensorflow as tf

# 创建常量矩阵 1 * 2的与2 * 1的

vec1 = tf.constant([[1,2]])
vec2 = tf.constant([[3],[4]])

# 创建乘法操作，将vec1与vec2进行相乘

res = tf.matmul(vec1, vec2)

#创建会话`session`，执行已经定义的操作

with tf.Session() as sess:
    res = sess.run(res)
    print(res)