上一篇文章，我们介绍了TensorFlow的基础安装教学，本篇文章主要介绍TensorFlow的基本知识点，进行TensorFlow的学习
基本使用使用 TensorFlow, 你需要知道 TensorFlow:
使用图 (graph) 来表示计算任务.在被称之为 会话 (Session) 的上下文 (context) 中执行图.使用 tensor 表示数据.通过 变量 (Variable) 维护状态.使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据TensorFlow流程图
TensorFlow流程TensorFlow主要包括：构建图（相当于输入层）、计算图、启动图（相当于训练层）
构建图:第一步, 是创建源 op (source op). 源 op 不需要任何输入, 例如 常量 (Constant). 源 op 的输出被传递给其它 op 做运算.
import tensorflow as tf 构造器的返回值代表该常量 op 的返回值. x = tf.constant([[3., 3.], [4.,5.]]) 创建一个矩阵乘法 matmul op , 把 'x' 和 'y' 作为输入. 若此时打印z,会出现如下结果 >>>Tensor("MatMul:0", shape=(2, 2), dtype=float32)通过以上我们就构建了一个图，现在图中有三个节点x、y、z；为了得到z的结果（虽然z是x、y的矩阵乘积，但是现在z并没有执行乘法运算），我们必须启动图
矩阵计算
启动图：构造图后, 才能启动图. 启动图的第一步是创建一个 Session 对象, 如果无任何创建参数, 会话构造器将启动默认图.
调用 sess 的 'run()' 方法来执行矩阵乘法 result=sess.run(z) 任务完成, 关闭会话. sess.close() #此时打印result >>>[[12. 15.] [18. 22.]]完整的代码如下：
import tensorflow as tf x = tf.constant([[3., 3.], [4.,5.]]) y = tf.constant([[2.,3.], [2.,2.]]) z=tf.matmul(x,y) print(z) with tf.Session() as sess: result = sess.run(z) print(result) 下期预告TensorFlow的输入层（权重W，偏差bias），隐藏层，预测层、激励函数等
TensorFlow流程图
本站所发布的文字与图片素材为非商业目的改编或整理，版权归原作者所有，如侵权或涉及违法，请联系我们删除
热门信息
阅读 ()
1 注册微信号怎么注册第二个阅读 ()
2 怎么把照片变成卡通头像阅读 ()
3 手机越充越少电怎么解决