TensorFlow学习笔记（一）

之前懒于做笔记，慢慢觉得做笔记能够对加深知识的理解，因为写出来，就像与人交流，想要说清楚，就得自己考虑清楚，闲话少说，因为老师突然要研究下TensorFlow，之前毕业的师兄也曾经推荐过，所以拿来学习学习，是为拿来回顾以及与诸君分享，望诸君指正!

TensorFlow：张量流，是一个基于有向图的计算系统，图（Graph）包含节点、以及边，按我的理解：对于TensorFlow来说，图的节点就是一些操作（加减乘除或者起来函数），图的边是给节点（也就是对于数据的操作）操作供给的一些数据流（即为Tensor），图呢就是描述了整个数据的计算流程，这是我的直观理解。
学习TensorFlow是直接在官网上下载安装，描述的很清楚，英文也简单，能读懂。
首先导入TensorFlow模块

import tensorflow as tf

既然基于图的，先建立两个节点node1，node2

node1 = tf.constant(3.0,tf.float32)node2 = tf.constant(4.0)print(node1,node2)

然后你会发现结果是这样的：

Tensor("Const:0", shape=(), dtype=float32) Tensor("Const_1:0", shape=(), dtype=float32)

看结果像是node1，node2 的属性之类，也就是说我们直接打印node1，node2可以得出，这两个节点代表的就像是一个产生器，产生的是常数，类型是float32。类型可以自己指定有float32，int32，int64，double等，默认的是，和你设置的数值有关，例如你设置数值为4，默认为int 若是4.0默认为float。
然后就想到怎么打印出它的值呢？于是就出现了Session，先看代码和结果：

sess = tf.Session()print(sess.run([node1,node2]))

结果：[3.0, 4.0]
好，取得了它的值了，那么这个Session是个什么鬼？官方说是：A class for running TensorFlow operations，这是一个类，执行TensorFlow的operations。它里边定义了方法run(),extend()， close(),__init__()等方法。
Session的构造函数如下：

tf.Session.__init__(target='', graph=None, config=None)

其实Session 就是用户使用TensorFlow时交互的接口。用户可以通过Session的Extend()创建新的边和节点，用来创建新的图， 随后就可以通过run() 方法执行：我们输入节点和输入数据。

若创建Session时没有指定Graph，会加载默认的Graph。自然的若一个进程中有多个图，我们就需要定义创建不同的Session来加载不同的图，对于同一个Graph可以加载不同的Session。

还是在应用中学习，一个类中会定义许多的方法，用到哪个查找就行了，回到代码，类似于c++,对于一个类，需要实例化，所以有sess = tf.Session()，sess就是创建的Session类的实例。接下来就是sess.run() 获取得到输入节点和输入数据。
言而总之，Seesion就是一个用于用户交互的一个类。类内定义的方法可以创建图，可以执行计算图等等。
再定义一个节点node3，也可以理解为定义一个操作（Operation），定义一个加的操作。

node3 = tf.add(node1,node2)print("node3:",node3)print("sess.run(node3):",sess.run(node3))

它的结果为：

node3: Tensor("Add:0", shape=(), dtype=float32)sess.run(node3) =  7.0

可以简单地理解为如图所示，

假如我们需要执行很多次add操作，我们会需要一个表达式也就是，有一个式子：adder = a + b; adder是求和之后的结果，a b是参数。
TensorFlow里面提供了一个placeholder（）函数，我们可以通过它定义参数，然后喂给sess.run()一个参数字典，就可以获得两个数或者两个向量的和。简化流程。
代码如下：

a = tf.placeholder(tf.float32)b = tf.placeholder(tf.float32)adder_node = a + b  

打印结果：

print(sess.run(adder_node, {a: 3, b:4.5}))print(sess.run(adder_node, {a: [1,3], b: [2, 4]}))

盗用官方的一张图，就是像下图所示

这是安装TensorFlow之后的一个简单的尝试与了解，明天希望能够搞明白TensorFlow的实现原理以及了解掌握TensorFlow具体有哪些功能。

他强任他强！