TensorFlow基础入门（二）---TensorFlow的基本运算

TensorFlow运行模型-会话

会话（session）
会话拥有并管理TensorFlow程序运行时的所有资源
当所有计算完成之后需要关闭会话帮助系统回收资源

import tensorflow as tf 
'''
TensorFlow运行模型-会话
会话（session）
    会话拥有并管理TensorFlow程序运行时的所有资源
    当所有计算完成之后需要关闭会话帮助系统回收资源
'''

#会话模式
#定义计算图
tens1=tf.constant([1,2,3])

#创建一个会话
sess=tf.Session()
try:
#使用这个创建好的会话，得到关心的运算结果。
    print(sess.run(tens1))
except:
    print("Exception!")
finally:
    sess.close()
#结果[1,2,3]

会话模式2

#会话模式2
node1=tf.constant(3.0,tf.float32,name="node1")
node2=tf.constant(4.0,tf.float32,name="node2")
result=tf.add(node1,node2)

#创建一个会话，并通过python的上下文管理器来管理这个会话
with tf.Session() as sess:
    print(sess.run(result))
#不需要再调用Session.close()函数来关闭会话
#当上下文退出时会话关闭和资源释放也自动完成

指定默认的会话

TensorFlow不会自动生成默认的会话，需要手动指定

当默认的会话被指定之后可以通过tf.Tensor.eval函数来计算一个张量的取值

#指定默认会话
node11=tf.constant(3.0,tf.float32,name="node11")
node22=tf.constant(4.0,tf.float32,name="node22")
result1=tf.add(node11,node22)

sess=tf.Session()
with sess.as_default():
    print(result1.eval())

#下面的两个命令有相同的功能
print(sess.run(result))

print(result.eval(session=sess))

常量

变量

占位符

x=tf.placeholder(tf.float32,[2,3],name='tx')

Feed提交数据