Tensorflow 基础

前言

本文主要介绍学习tensorflow的一些基础知识，是tensorflow C++的基础，里面的样例使用的是python,后续将给出C++的示例。

数据流图基础

像计算机科学里面通用的数据流表示一样，在tensorflow的数据流图里面，使用节点和边来表示数据流的流动与各种操作。
节点：一般以圆圈/椭圆/方框表示，表示某种运算或操作。
边：有向边，对应于流入节点或从节点流出的数据，边的方向对应于数据的方向，用于连接不同的节点，通常是一个节点的输出是其他节点的输入。
举例：

圆圈里面的都是节点，在tensorflow里面也叫做运算operator;各条边是数据，也就是tensor张量。
任何节点都可以将其输出传递给数据流图中的任意后继节点，无论这两个节点之间发生了多少运算。如下图：

是完全合情合理的。

节点的依赖关系

定义：依赖关系是一种二元关系，如果在某个数据流图中，节点i的输出对节点j的计算来说的必需的，那么就说j依赖于i，i是j的依赖节点。
性质：依赖关系满足传递性。
直接依赖：如果i是j的依赖节点，并且i的输出直接流入j节点，则称i是j的直接依赖。
间接依赖：如果i是j的依赖节点，并且i的输入不直接流入J节点，则称i是j的间接依赖。

其中，a是c/d的直接依赖节点，a是e的间接依赖节点。

在tensorflow中定义数据流图

在tensorflow中使用数据流图需要两个步骤
1）。定义数据流图
2）。运行数据流图
在使用数据流图之前一定要先定义好数据流图来，这个是显然需要的，因为没有数据流图如何运行呢？

构建第一个Tensorflow数据流图

下面 我们在tensorflow里面定义这个数据流图并让其运行起来。

__author__ = 'jmh081701'
import  tensorflow as tf
import  numpy as np
a =tf.constant(5,dtype=tf.int32,name='input_a')
 #定义常量a,同时设置名字为Input_a
b =tf.constant(3,dtype=tf.int32,name='input_b')
 #定义常量b，同时设置名字为input_b
c =tf.multiply(a,b,'mul_c')
 #定义节点c,它接受两个输入a,b
d =tf.add(a,b,'add_d')
 #定义节点d，它接受两个输入a，b
e =tf.add(c,d,'add_e')
 #定义节点e，它接受两个输入c,d
 #以上都是tensorflow数据流图的定义阶段，下面是让他们运行起来
sess =tf.Session()
print(sess.run(e))
 #数据流图需要在session里面的run才能真正运行起来。当在计算e的值时，tensorflow将自动计算他的所有依赖节点的结果。
writer =tf.summary.FileWriter('mygraph',tf.get_default_graph())
 #将tensorflow的数据流图保存下来，以备可视化观察。
writer.close()
sess.close()

运行：
输出23.
在命令行输入 tensorboard –logdir=保存目录

然后再浏览器打开：http://127.0.0.1:6006
即可看到我们生成的数据流图，此图与我们的目标的同构的。