TensorFlow（一）入门及基本模型

TensorFlow（一）

什么是TensorFlow：

Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow即为张量从图的一端流到另一端

支持CNN（卷积神经网络）、RNN（循环神经网络）和LSTM（长短期记忆网络）算法，是目前在Image、NLP最流行的深度神经网络模型

TensorFLow优点：

• 基于Python，写的很快并且具有可读性
• 在CPU或GPU系统上的都可运行
• 代码编译效率较高
• 社区发展非常迅速并且活跃
• 能够生成显示网络拓扑结构和性能可视化图

TensorFlow原理：

• 它是用数据流图（data flow graphs）技术来进行数值计算
• 数据流图是描述有向图中的数值计算过程
• 在有向图，节点通常代表数学运算，边代表节点之间的某种联系，它负责传输多维数据（Tensor）
  

TensorFlow使用：

• 使用图（graph）来表示任务
• 被称之为会话（Session）的上下文（context）中执行图
• 使用tensor表示数据
• 通过变量（Variable）维护状态f(x) = w*x + b
• 使用feed和fetch可以为任意操作（arbitrary operation）赋值或者从其中获取数据

TensorFlow：基本操作

1.Basic constant operations：

import tensorflow as tf

a = tf.constant(2)

b = tf.constant(3)

with tf.Session() as sess:

    print("a: %i" % sess.run(a), "b: %i" % sess.run(b))

    print("Addition with constants: %i" % sess.run(a+b))

    print("Multiplication with constants: %i" % sess.run(a*b))

2.赋值assign操作：

v = tf.Variable(0,name = 'a')

add = tf.assign_add(v,10)

with tf.Session() as sess:

    sess.run