5、初探TensorFlow

初探TensorFlow

1. 计算图执行与数据模型

在TensorFlow的会话中，我们可以构建数据结构并执行计算。例如，构建 x 与 b 的乘积的数据结构，并将操作结果赋值给占位符 y 。以下是一个简单的执行流程：
1. 定义计算模型，创建与占位符 x 关联的列表 x_in ：

x_in = [2]

2. 通过会话执行图：

y_final = session.run([y], {x: x_in})

这里， session.run 的第一个参数是要评估的图元素列表，第二个参数指定评估时使用的值。

TensorFlow的数据模型由张量表示。简单来说，张量是多维数值数组，其特征由三个参数决定：秩（Rank）、形状（Shape）和数据类型（Type）。

1.1 秩（Rank）

秩表示张量的维度数。秩为0的张量是标量，秩为1的张量是向量，秩为2的张量是矩阵。以下代码展示了如何定义不同秩的张量并查看其形状：

import tensorflow as tf
scalar = tf.constant(100)
vector