tensorflow_数据类型、边、节点

傷城~ 2023-10-11 12:26 28阅读 0赞

## 一、tensorflow安装 ##

## 二、基本概念 ##

**图（Graph）**：图描述了计算的过程，TensorFlow使用图来表示计算任务。  
张量（Tensor）：TensorFlow使用tensor表示数据。每个Tensor是一个类型化  
的多维数组。  
**操作（op）**：图中的节点被称为op（opearation的缩写），一个op获得/输入  
0个或多个Tensor，执行计算，产生0个或多个Tensor。  
**会话（Session）**：图必须在称之为“会话”的上下文中执行。会话将图的op分  
发到诸如CPU或GPU之类的设备上执行。  
**变量（Variable）**：运行过程中可以被改变，用于维护状态。

## 数据类型 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzkxNjc1NQ_size_16_color_FFFFFF_t_70]

## 边 ##

TensorFlow的边即有两种连接关系：  
数据依赖  
**控制依赖**  
**实线边表示数据依赖**，代表数据，即张量。任意维度的数据统称为张量。在机器  
学习算法中，张量在数据流图中从前往后流动一遍就完成一次前向传播，而残差  
从后向前流动一遍就完成一次反向传播。  
**虚线边表示控制依赖**，可以用于控制操作的运行，这被用来确保**happens-  
before**关系，这类边上没有数据流过，但源节点必须在目的节点开始执行前完成。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzkxNjc1NQ_size_16_color_FFFFFF_t_70 1]  
比如x到A输出结果之前，之前必须先执行B，B称为**控制依赖**。

## 节点 ##

**节点又称为算子，它代表一个操作，一般用来表示施加的数字运算，也可以表示  
数据输入的起点以及输出的重点，或者是读取/写出持久化变量的终点。**  
类别 示例  
数学运算操作 Add、Subtract、Multiply、Div、Exp、Log、Greater、Less、Equal……  
数组运算操作 Concat, Slice, Split, Constant, Rank, Shape, Shuffle……  
矩阵运算操作 MatMul, MatrixInverse, MatrixDeterminant……  
有状态的操作 Variable、Assign、AssignAdd……  
**神经网络构建操作 SoftMax, Sigmoid, ReLU, Convolution2D, MaxPool……**  
检查点操作 Save, Restore……  
队列和同步操作 Enqueue, Dequeue, MutexAcquire, MutexRelease……  
控制张量流动的操作 Merge, Switch, Enter, Leave, NextIteration……  
**TensorFlow图**  
TensorFlow编程的重点是根据业务需求，**使用TensorFlow的API将业务转换为执行图**  
（有向无环图）；图中的**节点是Tensor**，节点之间的连线是节点之间的操作，连线前的  
**节点可以认为是操作的输入**，**连线后的节点可以认为操作的输出**；根据节点的特性（是  
否有输入输出），可以将节点分为**源节点、中间节点和最终的结果节点**。  
图构建的第一步就是**创建源op(source op);** 源op不需要任何的输入。op构造器的返回  
值代表被构造出的op的输出，这些返回值可以传递给其它op构造器作为输入或者直接  
获取结果。  
TensorFlow库中有一个**默认图(default graph)**，op构造器可以直接为其添加节点，一  
般情况下，使用默认的Graph即可完成程序代码的实现。不过TensorFlow也支持通过  
Graph类管理多个图。

## **Tensorflow()节点操作（Constant,placeholder,Variable）** ##

**一、constant(常量)**  
　　constant是TensorFlow的常量节点，通过constant方法创建，其是计算图（Computational Graph）中的起始节点，是传入数据。  
　　**创建方式**  
def constant(value, dtype=None, shape=None, name=“Const”, verify\_shape=False)  
\*\*value：\*\*初始值，必填，必须是一个张量（1或\[1,2,3\]或\[\[1,2,3\],\[2,2,3\]\]或…）  
\*\*dtype：\*\*数据类型，选填，默认为value的数据类型，传入参数为tensorflow下的枚举值（float32，float64…）  
\*\*shape：\*\*数据形状，选填，默认为value的shape，设置时不得比value小，可以比value阶数、维度更高，超过部分按value提供最后一个数字填充，示例代码如下  
\*\*name：\*\*常量名，选填，默认值不重复，根据创建顺序为（Const，Const\_1，Const\_2…）

\*\*verify\_shape:\*\*是否验证value的shape和指定shape相符，若设为True则进行验证，不相符时会抛出异常。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzkxNjc1NQ_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20190923204432942.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzkxNjc1NQ==,size_16,color_FFFFFF,t_70
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzkxNjc1NQ_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20190923155433492.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzkxNjc1NQ==,size_16,color_FFFFFF,t_70