Tensorflow基础（1）

import tensorflow as tf
hello=tf.constant("Heelo")#创建一个常量计算，将作为一个节点加入到默认计算图中
sess=tf.Session()#创建一个tf对话
print(sess.run(hello))

Tensor 张量 （多维数组）

Flow 流 （计算模型：张量之间通过计算二转换的过程）

 通过计算图（有向图，一组节点代表一个操作，是一种运算，一组有向边，节点之间的关系）形式表述计算的编程系统

每个计算都是计算图上的一个节点

 节点的边（包括常规边（tensor流动）和特殊边（控制相关性））描述了 计算之间的关系

node1=tf.constant(3.0,tf.float32,name="node1")
node2=tf.constant(7.0,tf.float32,name="node2")
node3=tf.add(node1,node2)
print(node3)

结果：

Tensor("Add:0", shape=(), dtype=float32)

输出的结果 是一个张量的结构

node1=tf.constant(3.0,tf.float32,name="node1")
node2=tf.constant(7.0,tf.float32,name="node2")
node3=tf.add(node1,node2)
print(node3)
sess=tf.Session()
print(sess.run(node3))
sess.close()

结果：

Tensor("Add:0", shape=(), dtype=float32)
10.0

只有建立对话才可以 进行运算，记得要及时关闭对话。

张量：
所有的数据都是通过张量表示，并没有保存真正的数字，表示的是计算的过程

属性：

Tensor("名字:第几个输出", shape=几维， dtype=类型)

tens1=tf.constant([[1,2],[3,4],[5,6]])
print(sess.run(tens1)[1,1])
sess.close()

输出为4

操作：

计算图中的节点就是操作

操作可以和计算设备进行绑定，指定在某个设备上执行