【深度学习】TensorFlow——初识tensorflow

import tensorflow as tf

# op ---指令
# op指令
# 返回tensor 里面包含的op名称为op指令空间内的名称
# 名称不允许重复，如果重复，+_i来加以区别
# 可以通过构建op的时候，来指定name参数来修改op在指令空间内的名称

# 构建图
# 图结构---包含至少一组op与tensor的结构
con_a = tf.constant(3, name="con_a")
con_b = tf.constant(4, name="con_b")

con_sum = tf.add(con_a, con_b, name="con_sum")

print("con_sum:
", con_sum)
print("con_a:
", con_a)
print("con_b:
", con_b)

# 也可以获取op所在的图
print("a所在的图：", con_a.graph)
print("b所在的图:", con_b.graph)
print("sum所在的图:", con_sum.graph)

# 执行图--执行默认的图
with tf.Session() as ss:
    # 开启可视化 ---
    # （1）序列化events文件
    # 参数1 events文件的路径
    # 参数2 需要保存的内容--保存会话执行的图
    # 返回FileWriter对象
    # events 文件---本质：关于本机名称、时间戳的文件
    tf.summary.FileWriter("./tmp/", graph=ss.graph)
    # （2）开启tensorboard后台服务器
    # tensorboard --logdir="./tmp/" --host=127.0.0.1
    # （3）在浏览器验证
    # http://127.0.0.1:6006
    print(ss.run(con_sum))

# tensorflow 是一个开源的数值型计算库
# 采用数据流图结构
# 数据流图里面 点---节点（op）---数学计算单元
# 数据流图里面 线---张量(tensor)---用来联系计算的多维数组

# 优点：
# 1、高度灵活---采用数据流图
# 2、语言多样---C++底层，Python封装
# 3、设备支持---CPU  GPU  TPU
# 4、可视化---将程序可以以数据流图的形式来展示

# Python中的加法
# a = 3
# b = 4
# c = a + b
# print("c:
", c)

# 导包
import tensorflow as tf


import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'

# 先定义一个变量
con_a = tf.constant(3)
con_b = tf.constant(4)

# 变量相加
con_sum = tf.add(con_a, con_b)

# 返回一个tensor  ，tensor里面包含着op
print("con_a:
", con_a)
print("con_b:
", con_b)
print("相加结果为：
", con_sum)

# 开启会话---执行图
with tf.Session() as ss:
    print(ss.run(con_a))
    print(ss.run(con_b))
    print(ss.run(con_sum))

# 数据流图
# （1）构建图阶段
# （2）执行图