3.1 张量，计算图，会话

3.1 张量，计算图，会话

本节课目标：搭建第一个神经网络，总结搭建八股

基于TensorFlow的NN：用张量表示数据，用计算图搭建神经网络，用会话执行计算图，优化线上的权重（参数），得到模型.

张量（Tensor）：多维数组（列表）
阶：张量的维数

维数	阶	名字	例子
0-D	0	标量 scalar	s=123
1-D	1	向量 vector	v=[1,2,3]
2-D	2	矩阵 matrix	m=[[1,2,3],[4,5,6],[7,8,9]
n-D	3	向量 tensor	t=[[[[…

张量可以表示0阶到n阶数组(列表)

tensorflow的数据类型：tf.float32 tf.int32

例子：
实现两个张量的加法：

import tensorflow as tf

a=tf.constant([1.0,2.0]) #定义一个张量a为常数1.0，2.0
b=tf.constant([3.0,4.0])

result = a+b
print(result)

显示结果：Tensor(“add:0”,shape=(2,),dtype=float32)

add:节点名

0：第0个输出

shape：维度

2：一维数组长度为2

dtype：数据类型

---

2，计算图(Graph)：搭建神经网络的计算过程，只搭建，不运算

graph LR
A((X1)) -->|w1| D((y))
B((X2)) -->|w2| D((y))

y=XW=x1w1+x2w2

import tensorflow as tf

x=tf.constant([[1.0,2.0]])  #x是一个一行两列的张量
w=tf.constant([[3.0],[4.0]]) #w是一个两行一列的张量

y=tf.matmul(x,w)
print(y) #一行两列乘以两行一列等于一个数

结果为：Tensor(“matmul:0”,shape(1,1),dtype=float32)

---

会话(Session)：执行计算图中的节点运算

with tf.Session() as sess:

print(sess.run(y))

import tensorflow as tf

x=tf.constant([[1.0,2.0]])  #x是一个一行两列的张量
w=tf.constant([[3.0],[4.0]]) #w是一个两行一列的张量

y=tf.matmul(x,w)
#print(y) #一行两列乘以两行一列等于一个数

with tf.Session() as sess:
    print(sess.run(y))  #计算出y的值

1.0*3.0+2.0*4.0=11.0

结果为：[[11.]]