Tensorflow（一）- 初识tensorflow

Tensorflow是一种机器学习的编程架构，它主要由两种类对象构成，一种是Tensors（张量，可以理解为一个多维的数组），另一种是Operators（也就是所谓操作）。

完成tensorflow的编程步骤如下：

1. 创建带有Tensors和Operations的graph（执行图，计算图），对于深度学习来说就是要创建参数W，b等，然后经过前向后向传播最小化cost的过程。

2. 创建一个Session（会话）

3. 初始化这个Session，即初始化所有的Variables。

4. 运行这个Session，来计算第一步里我们建立的graph。

那么这样说呢，还是有点抽象，我们结合例子来进行讲解。

Practice1

首先我们用一个简单的例子来说明。我们按照上面给的步骤来，

第一步创建graph

import numpy as np
import tensorflow as tf

coefficients = np.array([[1.],[-20.],[100.]])

w = tf.Variable(0, dtype = tf.float32)
x = tf.placeholder(tf.float32, [3,1])
cost = x[0][0]*w**2 + x[1][0]*w + x[2][0]
train = tf.train.GradientDescentOptimizer(0.01).minimize(cost)
init = tf.global_variables_initializer()

首先是我们创建的Tensors，w和x。

tf.Variable就是定义变量。

tf.placeholder也是定义变量，但是和tf.Variable不同，这个变量并没不会进行初始化，它相当于占个位子，然后在运行graph的时候，我们再给它传值，再feed它值。

然后我们创建的Operators，cost、train以及init。这就是我们利用我们定义的参数进行的运算操作。那么这样这个图就建好了。

第二步创建Session

session = tf.Session()

只需要一行代码就够了，这样我们就创建了一个Session，不过这样的创建方式，在Session结束时，我们需要关闭这个Session

session.close()

第三步初始化Session

session.run(init)

初始化Session，即初始化我们刚刚在graph中创建的变量，为我们的计算做准备，利用这个我们创建的session来跑我们的init，进行变量初始化。

第四步运行graph

session.run(train, feed_dict={x:coefficients})

最后一步，利用Session运行graph，这里我们看到了给placeholder的传值，利用feed_dict。也就是把coefficients赋值给placeholder x，然后再调用train进行运算。

这就是Tensorflow的大致流程，最后讲解一下另一种创建Session的方式，也是经常用的一种

with tf.Session() as sess:
# run the variables initialization (if needed), run the operations
result = sess.run(..., feed_dict = {...})
# This takes care of closing the session for you :)

这种创建方式不需要我们手动关闭Session，它会自动帮我们关闭。