tensorflow入门1

tensorlow是Google开发的深度学习计算框架，tensor指张量，flow指张量在计算中的流动。

tensorflow的基本思路是先构建图，再通过开启Session会话计算图。

构建图阶段：

  1.构建输入：

    1.1构建变量：x = tf.Variable(tf.random_uniform([2,1], -1.0,1.0), dtype = tf.float32, name = 'x')

    1.2.构建常量：a = tf.constant(3.0, name='a')

    1.3.构建placeholder: y = tf.placeholder(shape=(None, 3), dtype = tf.float32, name = 'y')

   区别：在执行计算时，每执行一次计算，常量都要调用一次，执行完马上释放；变量在整个计算会话中，都会保存，但是变量需要一直持有；placeholder开始可以不用输入，在执行每次计算时，再传入对应的张量。

 2.构建计算：

   根据需要逐步构建计算逻辑，如：f = x*a+y

计算图阶段：

  1.执行计算图之前先要做变量的初始化，可以在会话前做全局初始化:init = tf.global_variables_initializer()；也可以在会话开始，逐个对变量初始化。

  2. 在会话的with块中执行会话：

     with tf.Session():

          init.run()

         result =  f.eval(feed_dict = {y:[[1, 2, 3]]}) #placeholder必须在计算时指定

         print(result)

3.其他：

 3.1构建图阶段，可以指定运行的GPU，with tf.device('/GPU:0')，在计算会话时，可以查看运行的GPU，with Session(config = tf.ConfigProto(log_device_placement = True))。

 3.2默认会话，sess = InteractiveSession()，则计算在默认会话中国执行，一般只有一个会话时，可以这样操作；

 3.3创建节点加入指定图中，with graph.as_default():，在这个with块下的节点将被默认在新的图graph中，而不是默认图tf.get_default_graph中。

一个简单的代码实现：

import tensorflow as tf
with tf.device('/CPU:0'):
　　x = tf.Variable(tf.random_uniform([2,1], -1.0,1.0), dtype = tf.float32, name = 'x')
a = tf.constant(3.0, name='a')
y = tf.placeholder(shape=(None, 3), dtype = tf.float32, name = 'y')
f = x*a+y

init = tf.global_variables_initializer()
with tf.Session(config = tf.ConfigProto(log_device_placement = True)):　　

　　init.run()
　　result = f.eval(feed_dict={y: [[1, 2, 3]]})
　　print(result)