TensorFlow = Tensor + Flow

Tensor 张量

数据结构：多维数组

FLow流

计算模型：张量之间通过计算而转换的过程

TensorFlow是一个通过计算图的形式表述计算的编程系统

每一个计算都是图上的一个节点

节点之间的边描述了计算之间的关系

计算图是一个有向图，有以下内容构成：

一组节点，每个节点都代表一个操作，是一种运算

一组有向边，每条边代表节点之间的关系（数据传递和控制依赖）

TensorFlow有两种边：

实线：代表数据依赖关系，一个节点的运算输出成另一个节点的输入，两个节点之间有tensor流动（值传递）

虚线：不携带值，表示两个节点之间的控制相关性。

计算图的实例：

import tensorflow as tf
#一个简单的计算图---建立计算模型
node1 = tf.constant(3.0,tf.float32,name="node1")
node2 = tf.constant(4.0,tf.float32,name="node2")
node3 = tf.add(node1,node2)

#打印输出结果
#print(node3)


''' 输出的不是一个具体的数字，而是一个张量的结构 Tensor("Add:0", shape=(), dtype=float32) '''


#建立对话并显示运行结果
sess = tf.Session()   #注解：必须要创建一个对话

print("运行sess.run(ndoe1)的结果",sess.run(node1))
print("运行sess.run(ndoe2)的结果",sess.run(node2))

print("运行sess.run(ndoe3)的结果",sess.run(node3))


#关闭session
sess.close()  #注解：当关闭session后就无法运行输出