前言
Tensorflow是基于图(Graph)的计算系统。图的节点是由操作(operation)构成的，图的各个节点之间是由张量(Tensor)作为边连接在一起的。Tensorflow的计算过程是一个Tensor流图，而图必须是在一个Session中计算的。
Session
Session提供Operation执行和Tensor求值的环境。示例代码如下:
import tensorflow as tf
# Build a Graph
a = tf.constant([1.0, 2.0])
b = tf.constant([3.0, 4.0])
c = a * b
# Launch the graph in a Session
sess = tf.Session()
# Evaluate the tensor 'c'
print(sess.run(c))
sess.close()
一个Session会包含一些资源，例如Variable或者Queue。当我们不再需要这个Session的时候，需要对这些资源进行释放。两种方式:
- 调用
session.close()方式 - 使用
with创建上下文来执行，当上下文退出时自动释放
如下所示:
import tensorflow as tf
# Build a Graph
a = tf.constant([1.0, 2.0])
b = tf.constant([3.0, 4.0])
c = a * b
with tf.Session() as sess:
print(sess.run(c))
Graph
Tensorflow使用tf.Graph类表示可计算的图。图是由操作Operation和Tensor来构成，其中Operation表示图的节点(即计算单元)，Tensor表示图的边(Operation之间的流动单元)。
import tensorflow as tf
g1 = tf.Graph()
with g1.as_default():
c1 = tf.constant([1.0])
with tf.Graph().as_default() as g2:
c2 = tf.constant([2.0])
with tf.Session(graph=g1) as sess1:
print(sess1.run(c1))
with tf.Session(graph=g2) as sess2:
print(sess2.run(c2))
Operation
一个Operation是一个Graph中的一个计算节点。Operation对象的创建是通过直接调用operation方法或者Graph.create_op()。
Tensor
Tensor表示的是Operation的输出结果。
简单示例
import tensorflow as tf
a = tf.constant(1)
b = tf.constant(2)
c = tf.constant(3)
d = tf.constant(4)
add1 = tf.add(a, b)
mul1 = tf.mul(b, c)
add2 = tf.add(c, d)
output = tf.add(add1, mul1)
with tf.Session() as sess:
print(sess.run(output))
