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