深度學習：Tensorflow的基本概念和張量

計算密集型（cpu計算）
    -tensorflow
IO密集型（web，磁盤）
    -django
    -scrapy      

1、基本概念

tensor 張量-資料結構

op 專門運算的操作節點

graph 圖：整個程式的結構

session 會話：運算程式的圖

圖預設已經注冊：

一組表示tf.Operation計算機關的對象

和 tf.Tensor表示操作之間流動的資料機關的對象

擷取圖

graph = tf.get_defaul_graph()      

預設圖，相當于給程式配置設定記憶體

建立圖

g = tf.Graph()
with g.as_default():
    pass      

op: 隻要使用

tensorflow

的API定義函數都是OP

tensor: 指代的就是資料

-前端系統：定義程式的圖的機構

-後端系統：運算圖結構

會話：

-運作圖的機構

-配置設定資源計算

-掌握資源（變量的資源，隊列，線程）

使用 1

session = tf.Session()
session.run()
session.close()      

使用 2 上下文管理器

with tf.Session() as session:
    session.run()      

Session參數：

1、可以指定圖 graph參數

2、顯示運作裝置

config = tf.ConfigProto(log_device_placement=True)

指令行互動

>> import tensorflow as tf
>> tf.InteractiveSession()      

隻要有會話開啟，就可以使用

varible.eval()

session.run()      

參數：

fetches 變量，清單，元組

namedtuple,dict,OrderDict

重載的運算符，預設會給運算符重載為op了O型

注意：不是op不能運算

feed_dict 訓練資料，實時提供資料去進行訓練

placeholder 占位符

# None為不固定長度
plt = tf.placeholder(tf.float32, shape=[None, 3])

data = [[1, 2, 3], [4, 5, 6]]
with tf.Session() as session:
    session.run(plt, fead_dict={plt: data})
      

張量

numpy as np
數組 ndarray  矩陣      張量 tensor = ndarray
0維           2維       
1維
2維      

2、基本資料格式

一個類型化的N次元數組（tf.Tensor）

Tensor(名稱, 次元形狀, 資料類型)

常用資料類型

tf.float32

tf.int32