tensorflow1.x学习笔记（1）：计算图、张量、会话、实现简单的神经网络

此系列为读书笔记，侵删

1 Tensorflow计算模型——计算图

1.1 计算图的概念

Tensorflow中有两个很重要的概念。
Tensor体现了数据结构，该结构就是张量，在Tensorflow中可以理解为多维数组。
Flow体现了它的计算模型，Flow就是“流”，它直观地表达了张量之间通过计算相互转化的过程。
TensorFlow 中的每一个计算都是计算图上的一个节点，而节点之间的边描述了计算之间的依赖关系。

1.2 计算图的使用

主要有两个阶段：
1.定义计算图中所有的计算
2.执行计算

import tensorflow as tf
# print(tf.__version__)     #1.14.0

#1 定义计算图中所有的计算
a = tf.constant([1.0, 2.0], name = "a")
b = tf.constant([2.0, 3.0], name = "b")
result = a + b

#2 在计算图上执行计算
sess = tf.Session()
sess.run(result)

查看当前默认的计算图tf.get_default_graph()

# 通过a.graph可以查看张量所属的计算图，若没有指定则为默认的计算图
# 查看默认计算图 tf.get_default_graph()
print(a.graph is tf.get_default_graph())

定义新的计算图，并查看里面的变量

## tf.Graph可以生成新的计算图
g1 = tf.Graph()
with g1.as_default():
    # 在计算图g1中定义变量"v",并设置初始值为0
    v = tf.get_variable(
        "v", initializer = tf.zeros_initializer()(shape = [1]))
    
g2 = tf.Graph()
with g2.as_default():
    #在计算阁 g2 中定义变量"v"并设置初始值为 l。
    v = tf.get_variable(
        "v", initializer = tf.ones_initializer(