Tensorflow入门----占位符、常量和Session

安装好TensorFlow之后，开一个python环境，就可以开始运行和使用TensorFlow了。

先给一个实例，

#先导入TensorFlow
import tensorflow as tf

hello_constant = tf.constant('Hello World!')    # Create TensorFlow object called hello_constant

with tf.Session() as sess: 
   output = sess.run(hello_constant) # Run the tf.constant operation in the session

   print(output)

　　

也许有人奇怪，为什么不直接输出“Hello World！”呢，这个看起来很麻烦，是吗？其实不是的 
1.Tensor是什么？ 
在 TensorFlow 中，数据不是以整数，浮点数或者字符串形式存在的，而是被封装在一个叫做 tensor 的对象中。Tensor是张量的意思，张量包含了0到任意维度的量，其中，0维的叫做常数，1维的叫做向量，二维叫做矩阵，多维度的就直接叫张量量。在 hello_constant = tf.constant(‘Hello World!’) 代码中，hello_constant是一个 0 维度的字符串 tensor，tensors 还有很多不同大小：

# tensor1 是一个0维的 int32 tensor
tensor1 = tf.constant(1234) 
# tensor2 是一个1维的 int32 tensor
tensor2 = tf.constant([123,456,789]) 
 # tensor3 是一个二维的 int32 tensor
tensor3 = tf.constant([ [123,456,789], [222,333,444] ])

　　

2.Session是Tensorflow中的一个重要概念 
Tensorflow中的所有计算都构建在一张计算图中，这是一种对数学运算过程的可视化方法。就像刚才的代码：

with tf.Session() as sess:
    output = sess.run(hello_constant)

　　

这个session就是负责让这个图运算起来，session的主要任务就是负责分配GPU或者CPU的。

3.tf.placeholder() 
前面代码中出现了tf.constant(‘Hello World!’)，这个tf.constant是用来定义常量的，其值是不变的，但是如果你需要用到一个变量怎么办呢？

这个时候就需要用到tf.placeholder() 和 feed_dict了。 
先给代码

x = tf.placeholder(tf.string)

with tf.Session() as sess:
    output = sess.run(x, feed_dict={x: 'Hello World'})

　　

tf.placeholder表示一个占位符，至于是什么类型，看自己定义了，这里定义的是tf.string类型，然后呢，在session开始run以前，也就死这个图开始计算以前，就使用feed_dict将对应的值传入x，也就是这个占位符。 
同样的feed_dict可以设置多个tensor

x = tf.placeholder(tf.string)
y = tf.placeholder(tf.int32)
z = tf.placeholder(tf.float32)

with tf.Session() as sess:
    output = sess.run(x, feed_dict={x: 'Test String', y: 123, z: 45.67})

　　

但是需要注意的是，使用feed_dict设置tensor的时候，需要你给出的值类型与占位符定义的类型相同。

#coding=utf-8
import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'  #忽略烦人的警告
#import numpy;

hello_constant=tf.constant("Hello Ryan!")
tensor1 = tf.constant(1234)
tensor2 = tf.constant([123,456,789]) 
tensor3 = tf.constant([ [123,456,789], [222,333,444] ])
x = tf.placeholder(tf.string)
y = tf.placeholder(tf.int32)
z = tf.placeholder(tf.float32)
with tf.Session() as sess:
  output=sess.run(hello_constant)
  print(output)
  output1=sess.run(tensor1)
  print(output1)
  output2=sess.run(tensor2)
  print(output2)
  output3=sess.run(tensor3)
  print(output3)
  output4=sess.run(x,feed_dict={x:'Hello World'})
  print(output4)
  output5=sess.run(x,feed_dict={x:'Hello zhu',y:123,z:55.5555})
  print(output5)

　　

$ python zhuyr.py
b'Hello Ryan!'
1234
[123 456 789]
[[123 456 789]
[222 333 444]]
Hello World
Hello zhu
(tensorflow)