TensorFlow-1 入门

1. Graph is Template; Session is the actual realization；

**Computation Paths** 

import tensorflow as tf

two_node = tf.constant(2)

three_node = tf.constant(3)

sum_node = two_node + three_node ## equivalent to tf.add(two_node, three_node)

input_placeholder = tf.placeholder(tf.int32)

sess = tf.Session()

print sess.run(input_placeholder, feed_dict={input_placeholder: 2})

如上，分别展示了 tf 中的 常量，占位符的应用；需要注意的是：

In general, sess.run() calls tend to be one of the biggest TensorFlow bottlenecks, so the fewer times you call it, the better. Whenever possible, return multiple items in a single sess.run() call instead of making multiple calls.

也就是，sess.run() 不应该多次调用，应尽可能地在单次调用时，返回所需要的多个目标

2. 上面介绍了 常量，占位符 ，常用的还有 变量

import tensorflow as tf

count_variable = tf.get_variable("count", []) # []给定标量，[3,8] 给定 3*8 矩阵

zero_node = tf.constant(0.)

assign_node = tf.assign(count_variable, zero_node)

sess = tf.Session()

sess.run(assign_node)

print sess.run(count_variable)

输出：

0

• tf.assign(target, value) 将值分配到目标变量上

• side effects 指对 graph 中节点的影响

• 节点间的依赖性

[图片上传失败...(image-ed562b-1530172910213)]

3. 关于初始化

import tensorflow as tf

const_init_node = tf.constant_initializer(0.)

count_variable = tf.get_variable("count", [], initializer=const_init_node)

init = tf.global_variables_initializer()

sess = tf.Session()

sess.run(init)

print sess.run(count_variable)

输出：

0

• tf.global_variables_initializer() 对 graph 中的 tf.initializer 进行初始化，
  并在 sess 运行时，被实现

4. 变量共享