1Helloworld

在这里插入图片描述

2计算图

在这里插入图片描述

开发图会自动内部产生

计算图实例：

在这里插入图片描述

3张量

在这里插入图片描述
张量没保存数字，如把node3打印出来，如add：0是没有值的，表达的是一个计算过程

张量的维度

在这里插入图片描述

import tensorflow as tf
tens1=tf.constant([[[1,2,2],[2,2,3]],
                  [[3,5,6],[5,4,3]],
                 [[7,0,1],[9,1,9]],
                 [[11,12,7],[1,3,4]]],name="tens1")
#python语句中包含[],{}或（）括号中间换行的就不需要多行换行符
print(tens1)
#3维数组，每一项有时2维数组

在这里插入图片描述
以后命名还是要加上name，tensorboard会以其命名不然会自定义命名。有三个[]说明三维数组。
第一个数4，最外围括号有四个元素
第二个数，第2个括号两个元素
一维数组有三个最后一个是3

import tensorflow as tf
scalar=tf.constant(100)
vector=tf.constant([1,2,3,4,5])
matrix=tf.constant([[1,2,3],[4,5,6]])
cube_matrix=tf.constant([[[1],[2],[3]],
                   [[4],[5],[6]],
                   [[7],[8],[9]]])
print(scalar.get_shape())
print(vector.get_shape())
print(matrix.get_shape())
print(cube_matrix.get_shape())

在这里插入图片描述

张量的阶

在这里插入图片描述

获取张量的元素

在这里插入图片描述

import tensorflow as tf
tens1=tf.constant([[[1,3,4],[2,4,2]],[[3,3,4],[4,4,4]],[[5,4,5],[6,1,2]]],name="tens1")
print(tens1.get_shape)
sess=tf.Session()
print(sess.run(tens1)[1,1,0])
sess.close()