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