本文共 1335 字，大约阅读时间需要 4 分钟。

TensorFlow入门

TensorFlow 是一个开源的深度学习框架，最初由 Google 开发，现由社区维护。它以灵活的计算图和易于使用的API著称，适用于机器学习和深度学习任务。

常量与变量

TensorFlow 中，常量和变量的定义有明确区别。常量使用 tf.constant() 定义，值在定义时就确定下来。变量则使用 tf.Variable() 定义，其值可以通过训练改变。

示例代码

import tensorflow as tf
# 定义常量
data1 = tf.constant(2, dtype=tf.int32)
# 定义变量
data2 = tf.Variable(10, name='var')
print(data1)
print(data2)

输出结果

tf.Tensor(2, shape=(), dtype=int32)
tf.Variable 'var:0' shape=() dtype=int32, numpy=10

注意事项

所有使用变量的操作都需要在 Session 中初始化。正确的做法是：

import tensorflow as tf
# 定义变量
data2 = tf.Variable(10, name='var')
# 初始化变量
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)
# 使用变量
print(sess.run(data2))

版本问题及解决方案

如果你使用的是 TensorFlow 2.1.0，可能会遇到 Session 未定义的错误。解决方法是切换到 TensorFlow 1.14.0：

conda install -n tensorflow tensorflow==1.14.0

变量初始化

确保在使用变量之前对其进行初始化，否则会抛出 FailedPreconditionError：

import tensorflow as tf
# 定义变量
data2 = tf.Variable(10, name='var')
# 初始化变量
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)
print(sess.run(data2))

TensorFlow运算原理

TensorFlow 的本质是张量 Tensor 加上计算图 Graph。张量是数据，图则是操作。通过 Session 执行计算图，实现数据操作。

关闭Session

记得在使用完 Session 后关闭它：

with sess:
    # 初始化变量
    init = tf.global_variables_initializer()
    sess.run(init)
    # 打印变量值
    print(sess.run(data2))

TensorFlow核心原理

TensorFlow 的核心是张量和计算图。张量表示数据，图表示操作。通过定义计算图，TensorFlow 可以自动执行任务。

转载地址：http://dyfr.baihongyu.com/