这篇文章将为大家详细讲解有关Tensorflow的计算图是怎样的，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。
下面介绍下Tensorflow的计算图
TensorFlow哲学
separates definition of computations from their execution
对定义计算和计算的执行做了分离。
tensorflow的编程和以往接触的编程方式有很大差异。以前的编程，无论是编译类型语言还是动态解释型语言，变量计算后，就会得到结果，比如c=a+b，当执行完语句后，就会得到c的值。
但，
tensorflow不是！
首先看一下，tensor是什么？它是一个 n 维数组：
0-d tensor: scalar （标量）
1-d tensor: vector （向量）
2-d tensor: matrix（矩阵）
…
有了tensor, 那么tensorflow的计算流图就可以构建为下面这个样子，圆形节点代表tensor间执行的操作：
比如对两个tensor执行一个add操作：
1import tensorflow as tf
2a = tf.add(3, 5)
接下来，我们打印 a，看看发生什么：
1print (a)
2Tensor("Add:0", shape=(), dtype=int32)
这就验证了之前所说，计算图和执行计算图做了严格的分离，所以此时打印得不到a值。
如何得到a值？
创建session，并在当前的sess中执行构建的图得到a的值。
1with tf.Session() as sess:
2 print(sess.run(a))关于Tensorflow的计算图是怎样的就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
