转载地址https://blog.csdn.net/liangjun_feng/article/details/79723048
Tensorflow的运行方式
Tensorflow作为谷歌开源的深度学习框架，受到众多的人工智能开发人员欢迎。Tensorflow的数据控制单元，张量Tensor是一个可以定义为任意维度的数据，张量的阶Tensor’s rank就是张量的维度，例如：
零阶张量： 1 一个标量 一阶张量： [1，2，3] 一个向量 shape 3 二阶张量： [[1,2,3],[4,5,6]] 一个矩阵 shape 2x3 三阶张量： [[[1,2,3]],[[4,5,6]]] shape：2x1x3Tensorflow的编程主要分为两步，第一步构造计算图（computational Graph），第二步运行计算图。那么计算图是什么呢？
计算图是一系列由计算操作抽象出来的节点构成的结构，张量（Tensor）在这些节点之间流动运行，由此称该框架为Tensorflow。接下来我们就来介绍一下Tensorflow的基本概念
Constant常量
要使用Tensorflow我们首先需要导入该框架
import tensorflow as tf
Tensorflow中一个基础的节点类型就是constant，常量节点
node_A = tf.constant(10,tf.float32) node_B = tf.constant(11,tf.int32)
所有的常量类型在定义时，就已经赋予了数值，而且其数值在后面的运行中是无法改变的。
Session会话
如果我们直接输出上面定义的两个节点时，例如
print(node_A,node_B)
我们会得到下面的结果
Tensor("Const:0", shape=(), dtype=float32)
Tensor("Const_1:0", shape=(), dtype=float32)
这里输出的并不是我们想要的10和11，想要输出运行一个节点的结果，必须在一个会话Session中运行计算图，Tensor flow中的session很好的封装了其运行时的状态和控制，接下来我们定义一个会话，输出两个节点的值
sess = tf.Session() a,b = sess.run([node_A,node_B]) print(a,b)
输出如下：
10.0 11.0
Op计算节点
上面我们定义了两个常量节点和会话，并输出了节点的值，我们可以通过定义一些计算操作（Operation、Op）节点,构建更加复杂的计算加法：
node_C = tf.add(node_A,node_B) print(sess.run(node_C))
输出为
21.0
乘法：
node_D = tf.multiply(node_A,node_B) print(sess.run(node_D))
输出为
110.0
Placehoder占位符
上面我们已经熟悉了常量类型以及一些运输符号的操作，Tensorflow的计算图还可以使用占位符placeholder参数化的从外部输入数据，简单来说placehold的作用就是给之后输入的值提前占位，设置这个结构的存在。
# 这里是构造计算图的部分
a=tf.placeholder(tf.float32)
b=tf.placeholder(tf.float32)
adder_node=a+b
#运行计算图
print("adder_node:",adder_node)
print(sess.run(adder_node,{a:3,b:4.5}))
print(sess.run(adder_node,{a:[1,3],b:[2,4]}))
输出结果为：
adder_node: Tensor("add:0", dtype=float32)
7.5
[ 3. 7.]
在我们构建一个神经网络时，通常会为网络的输入输出构建一个placeholder占位符
Variable变量
在网络模型中，我们不光有常量类型，计算操作、输入输出占位符等更多的是大量的变量类型，模型具有可训练能力，需要在一次次训练中修正计算图，使对于同样的输入得到新的输出。变量variable允许我们为计算图添加可变的训练参数例如，我们构造一个线性模型
定义图结构 W=tf.Variable([.3],tf.float32) b=tf.Variable([-.3],tf.float32) x=tf.placeholder(tf.float32) linear_model=W*x+b
运行计算图
init = tf.global_variables_initializer()
sess.run(init)
print(sess.run(linear_model,{x:[1,2,3,4]})) 这里的初始化是必要的，与常量类型的定义不同，所有的变量类型在定义时都不会赋予初始值，只有在执行初始化操作时，值才会被赋予变量
上述代码的输出为：
[ 0. 0.30000001 0.60000002 0.90000004]