开发者学堂课程【深度学习框架TensorFlow入门：TensorFlow结构】学习笔记，与课程紧密联系，让用户快速学习知识。

课程地址：https://developer.aliyun.com/learning/course/773/detail/13537

TensorFlow结构

目录：

一、TensorFlow实现一个加法运算

二、TensorFlow结构分析

三、数据流图介绍

一、TensorFlow实现一个加法运算

代码：

​def  tensorflow_demo():​

​TensorFlow的基本结构​

​: return:​

​#原身python加法运算​

​a=2​

​c=a+b​

​print("普通加法透算的結果: \n", c)​

​# TensorFlow实现加法运算​

​a_t=tf. constant(2)​

​b_t=tf. constant(3)​

​c_t=a_t+b_t​

​print ("TensorFlow加法运算的结果：/n", c_ t)​

​#开启会话​

​with tf.Session() as sess:​

​c_t_value = sess.run(c_t)​

​print("c_t_value:/n", c_t_value)  ​

​return None​

​注意问题:警告指出你的CPU支持AVX运算加速了线性代数计算，即点积，矩阵乘法，卷积等。可以从源代码安装TensorFlow来编译，当然也可以选择关闭。​

​import os​

​os.environ['TF_CPP_MIN_LOG LEVEL']='2'​

二、TensorFlow结构分析

TensorFlow 程序通常被组织成:

一个构建图阶段:流程图(定义数据:张量 Tensor 与操作:节点 Op）。

一个执行图阶段:调用各方支援，将定义好的操作与数据运行起来。

在构建阶段，数据与操作的执行步骤被描述成一个图。

在执行阶段，使用会话执行构建好的图中的操作。

1.图和会话:

图:这是 TensorFlow 将计算表示为指令之间的依赖关系的一种表示法。会话: TensorFlow 跨一个或多个本地或远程设备运行数据流图的机制。张量:TensorFlow 中的基本数据对象。节点:提供图当中执行的操作。

三、数据流图介绍

TensorFlow

Tensor-张量-数据

Flow-流动

TensorFlow是一个采用数据流图(data flow graphs)，用于数值计算的开源框架。

节点(Operation)在图中表示数学操作，线(edges) 则表示在节点间相互联系的多维数据数组，即张量(tensor)。