tensorflow学习笔记（一）

简介

Tensorflow是一个开源的、基于 Python 的机器学习框架，其前身是谷歌的神经网络算法库，由谷歌人工智能团队谷歌大脑（Google Brain）开发和维护。

它是基于数据流编程数学运算系统，可部署于服务器、我的pc、网页、Android设备并支持GPU和TPU（Tensor Processing Units）高性能数值计算，除了 Python，TensorFlow 也提供了 C/C++、Java、Go、R 等其它编程语言的接口。

清楚了机器学习算法的过程后，本身也能够一步步用numpy把算法写出来，但可能会步骤很麻烦、代码很长、效率不高，而tensorflow等机器学习库将要用到的矩阵操做采用高效的运算方法，封装成API(函数)，供咱们方便的调用，这样能使咱们的想法得以快速实现，而没必要从新造轮子。

编程模式—数据流编程

tensorflow翻译过来就是张量流，张量能够理解成矩阵的意思，二维张量就是二维矩阵，数据在tensorflow也是以张量（tensor）的类型存在，程序运行也就是张量（数据）在节点中流动的过程。

用tensorflow库写python代码与日常的代码有所不一样，它不是执行一行就得出一行的结果。
它是以有向图的方式执行，每一个变量都是一个节点，数据在节点中流动。好比求c=a+b，先定义a，b三个节点，定义c=a+b，定义好后定义一个会话Session，会话运行变量c，这样数据就会从a和b流向c。

这样说着可能跟日常编程同样，看一下下面的程序就清楚数据流编程模式了。

第一个程序

程序计算c = a + b

import tensorflow as tf
a = tf.constant(3)     # 定义a和b为tf常量
b = tf.constant(4)
c = tf.add(a, b)         # 定义c和c的值来源，此行并不会得出c的值，只是定义了c

with tf.Session() as sess:      # 定义一个会话
    print(sess.run(c))    # 在会话中计算c的值并打印

　　

程序与日常程序不一样的使第四行并不会得出c的结果，在会话中sess.run(c) 才会计算c=a+b。

会话Session()运行完须要显示关闭会话，sess.close()，经过with...as... 就能够在计算完成后自动关闭会话。