（第一章第一部分）TensorFlow框架介绍

接下来会更新一系列博客，介绍TensorFlow的入门使用，尽可能详细。

本文概述：

说明TensorFlow的数据流图结构

1、数据流图介绍

　　　　　　

　　　　　　　　

 TensorFlow是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Operation）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。

2、案例：TensorFlow实现一个加法运算

2.1 代码

# 实现一个加法运算
con_a = tf.constant(3.0)
con_b = tf.constant(4.0)

sum_ = tf.add(con_a, con_b)

with tf.Session() as sess:
    print(sess.run(sum_))

注意：此时往往会出现一堆红色警告，忽略或者输入下面的代码屏蔽即可。

警告指出您的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'

2.2 TensorFlow结构分析

TensorFlow 程序通常被组织成一个构建图阶段和一个执行图阶段。

在构建阶段，op（op指的就是上面说的节点，表示数学操作，如加法，乘法，点积等）的执行步骤被描述成一个图。

在执行阶段，使用会话执行执行图中的 op。

• 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(Session)：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

简单地说，tf框架中，代码的执行都要在会话中进行，而这里所说的图往往指的都是默认图，不需要我们去指定。因此我们只要开启会话，（在默认图中）执行代码即可，代码所执行的操作，我们称之op，即节点。