tensorflow 入门

一、概要

1、使用图（graph）表示计算任务：在会话（session）的上下文（context）中执行图

2、使用tensor表示数据：变量（Variable）维护状态，feed和fetch为任意操作输入和输出数据

3、图中节点称为op(operation),一个op获得0个或多个Tensor，执行计算，产生0个或多个tensor.

      每个tensor是一个类型化的多维数组，例如，可以将一组图像集表示为一个四维浮点数数组，这四个维度分别是batch,height,width,channels.

4、一个Tensorflow图，描述了计算过程，为了进行计算，图必须在会话中被启动，会话将图的op分发给CPU或GPU之类的设备上，同时提供执行op的方法，这些方法执行后，将产生的tensor返回。在python语言中，返回的tensor是numpy ndarray对象。

二、计算图

  tensorflow：构建阶段、执行阶段

    构建阶段：op的执行步骤，被描述成一个图。

    执行阶段：使用会话执行执行图中的op

    一句话总结：创建一个图来表示和训练神经网络，执行阶段反复执行图中的训练op.

1、构建图：

   第一步，创建源op（source op），源op不需要任何输入，源op输出传递给其他op做运算

   op构造器的返回值代表被构造出的op的输出，这些返回值可以传递给其他op构造器作为输入。