tensorflow实战google深度学习框架（第2版） 第三章 tensorflow入门

1.tensorflow计算模型——计算图

tensorflow中所有的计算都会被转化为计算图上的节点。

tensorflow的名字说明了它最重要的两个概念——tensor和flow。

tensor就是张量，可以简单地理解为多维数组，表明了tensorflow的数据结构。

flow就是“流”，直观地表达了张量之间通过计算相互转化的过程，体现了tensorflow的计算模型。

 

一个简单的计算图，如下，

图中的每一个节点都是一个运算，而每一条边代表了计算之间的依赖关系。

如果一个运算的输入依赖于另一个运算的输出，那么这两个运算有依赖关系。

 

2.计算图的使用

tensorflow程序一般分为两个阶段:

第一个阶段：定义计算图中所有的计算

第二个阶段：执行计算

 

3.张量

在tensorflow程序中，所有的数据都通过张量的形式来表示。

从功能的角度上看，张量可以被简单理解为多维数组。

其中零阶张量表示标量（scalar），也就是一个数；第一阶张量为向量（vector），也就是一个一维数组；第n阶张量可以理解为一个n为数组。

张量在tensorflow中的实现并不是直接采用数组的形式，它只是对tensorflow中运算结果的引用，在张量中并没有真正保存数字，它保存的是如何得到这些数字的计算过程。

如下，

>>> import tensorflow as tf
>>> a = tf.constant([1., 2.], name='a')
>>> b = tf.constant([2., 3.], name='b')
>>> result = tf.add(a, b, name='add')
>>> result                                                              # 得到的是一个张量对象，它是计算结果的引用，而不是具体的值
<tf.Tensor 'add:0' shape=(2,) dtype=float32>
>>> a
<tf.Tensor 'a:0' shape=(2,) dtype=float32>
>>>

注意，张量计算时需要相同的数据类型，如果不同会报错，如下，

因为张量计算的不是一个具体的数值，而是一个数据结构（包括名字、维度和类型）

>>> import tensorflow as tf
>>> a2 = tf.constant([1, 2], name='a2')
>>> b2 = tf.constant([2., 3.], name='b2')
>>> result2 = a2 + b2
Traceback (most recent call last):
  File "D:\virtualenv\pylearn\lib\site-packages\tensorflow\python\framework\op_def_library.py", line 510, in _apply_op_helper
    preferred_dtype=default_dtype)
  File "D:\virtualenv\pylearn\lib\site-packages\tensorflow\python\framework\ops.py", line 1146, in internal_convert_to_tensor
    ret = conversion_func(value, dtype=dtype, name=name, as_ref=as_ref)
  File "D:\virtualenv\pylearn\lib\site-packages\tensorflow\python\framework\ops.py", line 983, in _TensorTensorConversionFunction
    (dtype.name, t.dtype.name, str(t)))
ValueError: Tensor conversion requested dtype int32 for Tensor with dtype float32: 'Tensor("b2:0", shape=(2,), dtype=float32)'

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "D:\virtualenv\pylearn\lib\site-packages\tensorflow\python\ops\math_ops.py", line 866, in binary_op_wrapper
    return func(x, y, name=name)
  File "D:\virtu