TensorFlow中的所有计算都可以通过数据流图(计算图)来表示。tensor:张量(数据),flow:张量的计算过程
数据流图如下:
方框表示运算操作节点(op nodes),其中线表示数据(张量)计算的流转过程。
张量是对运算结果的引用,张量中并没有真正保存数据,保存的只是得到这些数据的计算过程。
张量有三个属性:name(名字)、shape(维度)、type(类型)
shape()的张量表示标量;shape(5,)表示长度为5的一维数组。
demo.py(TensorFlow的简单例子):
import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2' # 设置警告级别
# 实现一个加法运算
a = tf.constant(5.0) # a就是张量
b = tf.constant(6.0)
print(a) # Tensor("Const:0", shape=(), dtype=float32) 张量 "Const:0"表示计算节点Const的第一个输出
sum1 = tf.add(a, b)
# 会话session管理了计算所需的所有资源,计算结束后需要关闭会话释放资源。
with tf.Session() as sess:
print(sess.run(sum1)) # 11.0