Tensorflow 基礎知識

Tensorflow 基於資料流圖的原理工作。要執行一些計算，有兩個步驟：

1. 將計算表示為圖形。
2. 執行圖表。

表示： 與任何有向圖一樣，Tensorflow 圖由節點和有向邊組成。

節點：節點也稱為 Op（代表操作）。一個節點可以有多個傳入邊但只有一個傳出邊。

邊緣：指示節點的傳入或傳出資料。在這種情況下，一些節點（Op）的輸入和輸出。

每當我們說資料時，我們指的是一個稱為 Tensor 的 n 維向量。Tensor 有三個屬性： Rank，Shape 和 Type

• 等級表示張量的維數（立方體或框具有等級 3）。
• 形狀表示這些尺寸的值（框可以具有形狀 1x1x1 或 2x5x7）。
• Type 表示 Tensor 的每個座標中的資料型別。

執行： 即使構建了圖形，它仍然是一個抽象實體。在我們執行它之前，實際上沒有計算。要執行圖形，我們需要將 CPU 資源分配給圖形內的 Ops。這是使用 Tensorflow 會話完成的。步驟是：

1. 建立一個新會話。
2. 在圖表中執行任何 Op。通常我們執行最終的 Op，我們期望計算的輸出。

Op 上的傳入邊緣就像是另一個 Op 上的資料依賴。因此，當我們執行任何 Op 時，它上面的所有傳入邊都被跟蹤，另一邊的 ops 也被執行。

注意： 也可以使用稱為資料來源或接收器的播放角色的特殊節點。例如，你可以有一個 Op，它給出一個常數值，因此沒有傳入的邊緣（在下面的例子中參考值’matrix1’）和類似的 Op 沒有傳出邊緣的結果被收集（參見下面例子中的’product’值）。

例：

https://i.stack.imgur.com/2rIm0.jpg

import tensorflow as tf

# Create a Constant op that produces a 1x2 matrix.  The op is
# added as a node to the default graph.
#
# The value returned by the constructor represents the output
# of the Constant op.
matrix1 = tf.constant([[3., 3.]])

# Create another Constant that produces a 2x1 matrix.
matrix2 = tf.constant([[2.],[2.]])

# Create a Matmul op that takes 'matrix1' and 'matrix2' as inputs.
# The returned value, 'product', represents the result of the matrix
# multiplication.
product = tf.matmul(matrix1, matrix2)

# Launch the default graph.
sess = tf.Session()

# To run the matmul op we call the session 'run()' method, passing 'product'
# which represents the output of the matmul op.  This indicates to the call
# that we want to get the output of the matmul op back.
#
# All inputs needed by the op are run automatically by the session.  They
# typically are run in parallel.
#
# The call 'run(product)' thus causes the execution of three ops in the
# graph: the two constants and matmul.
#
# The output of the op is returned in 'result' as a numpy `ndarray` object.
result = sess.run(product)
print(result)
# ==> [[ 12.]]

# Close the Session when we're done.
sess.close()