tensorflow學習筆記（一）

簡介

Tensorflow是一個開源的、基於 Python 的機器學習框架，其前身是谷歌的神經網絡算法庫，由谷歌人工智能團隊谷歌大腦（Google Brain）開發和維護。

它是基於數據流編程數學運算系統，可部署於服務器、我的pc、網頁、Android設備並支持GPU和TPU（Tensor Processing Units）高性能數值計算，除了 Python，TensorFlow 也提供了 C/C++、Java、Go、R 等其它編程語言的接口。

清楚了機器學習算法的過程後，本身也能夠一步步用numpy把算法寫出來，但可能會步驟很麻煩、代碼很長、效率不高，而tensorflow等機器學習庫將要用到的矩陣操做採用高效的運算方法，封裝成API(函數)，供咱們方便的調用，這樣能使咱們的想法得以快速實現，而沒必要從新造輪子。

編程模式—數據流編程

tensorflow翻譯過來就是張量流，張量能夠理解成矩陣的意思，二維張量就是二維矩陣，數據在tensorflow也是以張量（tensor）的類型存在，程序運行也就是張量（數據）在節點中流動的過程。

用tensorflow庫寫python代碼與日常的代碼有所不一樣，它不是執行一行就得出一行的結果。
它是以有向圖的方式執行，每一個變量都是一個節點，數據在節點中流動。好比求c=a+b，先定義a，b三個節點，定義c=a+b，定義好後定義一個會話Session，會話運行變量c，這樣數據就會從a和b流向c。

這樣說着可能跟日常編程同樣，看一下下面的程序就清楚數據流編程模式了。

第一個程序

程序計算c = a + b

import tensorflow as tf
a = tf.constant(3)     # 定義a和b爲tf常量
b = tf.constant(4)
c = tf.add(a, b)         # 定義c和c的值來源，此行並不會得出c的值，只是定義了c

with tf.Session() as sess:      # 定義一個會話
    print(sess.run(c))    # 在會話中計算c的值並打印

　　

程序與日常程序不一樣的使第四行並不會得出c的結果，在會話中sess.run(c) 纔會計算c=a+b。

會話Session()運行完須要顯示關閉會話，sess.close()，經過with...as... 就能夠在計算完成後自動關閉會話。