Tensorflow使用规范

参考：https://www.w3cschool.cn/tensorflow_python/tensorflow_python-slp52jz8.html

1. 在输出时，需要创建会话才可以执行结果 sess = tf.Session()
2. 在tensorflow中定义的所有变量，必须初始化后才可以使用。sess.run(tf.global_variables_initializer())可以更新所有的变量

sess.run(featches, feed_dict, options, run_metadata)

• featches

  • 一个计算步骤、图形片段

  • 可以是单一的图像元素（确定的数据结构），也可以是嵌套的操作方法，包含如下结构：

    • 一个tf.Operation.相应的取值将会是None

    • 一个tf.Tensor.相应的取值将是一个包含该张量值的numpy ndarray.

    • 一个tf.SparseTensor.相应的取值将是一个tf.SparseTensorValue包含稀疏张量的值.

    • 一个get_tensor_handle操作.相应的取值将是包含该张量句柄的numpy ndarray.

    • A string是图中张量或操作的名称.

• feed_dict

  • 输入的参数

  • 在定义网络结构时，可以先定义好过程将存储至placeholder（类似形参），然后在执行网络的时候再通过feed_dict将真实计算数据喂进去

  • feed_dict中的key包含以下类型

    • key：tf.Tensor，value为相同格式的Python标量,字符串,列表或numpy ndarray

    • key：tf.placeholder，value的形状必须保持一致

    • key：tf.SparseTensor，value：tf.SparseTensorValue.

    • key：嵌套元祖，value：该值应该是一个嵌套元组,其结构与映射到上面相应的值相同

基础概念

tf.opration

实质：计算图节点，构建模型结构。在构建时候会产生一个OP对象实例

说明：接收tensor，输出tensor

注释：tensorflow在进行计算时，是先创建一个op对象来存储计算方法，然后在创建会话后执行才会输出，其计算输出为张量，或者其他数据结构