计算密集型（cpu计算） -tensorflow IO密集型（web，磁盘） -django -scrapy
1、基本概念
tensor 张量-数据结构
op 专门运算的操作节点
graph 图：整个程序的结构
session 会话：运算程序的图
图默认已经注册：
一组表示tf.Operation计算单位的对象
和 tf.Tensor表示操作之间流动的数据单位的对象
获取图
graph = tf.get_defaul_graph()
默认图，相当于给程序分配内存
创建图
g = tf.Graph() with g.as_default(): pass
op: 只要使用tensorflow的API定义函数都是OP
tensor: 指代的就是数据
tensorflow
-前端系统：定义程序的图的机构
-后端系统：运算图结构
会话：
-运行图的机构
-分配资源计算
-掌握资源（变量的资源，队列，线程）
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参数：
1、可以指定图 graph参数
2、显示运行设备
config = tf.ConfigProto(log_device_placement=True)
命令行交互
>> import tensorflow as tf >> tf.InteractiveSession()
只要有会话开启，就可以使用
varible.eval() session.run()
参数：
fetches 变量，列表，元组
namedtuple,dict,OrderDict
重载的运算符，默认会给运算符重载为op了O型
注意：不是op不能运算
feed_dict 训练数据，实时提供数据去进行训练
placeholder 占位符
# None为不固定长度 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})
张量
numpy as np 数组 ndarray 矩阵 张量 tensor = ndarray 0维 2维 1维 2维
2、基本数据格式
一个类型化的N维度数组（tf.Tensor）
Tensor(名称, 维度形状, 数据类型)
常用数据类型
tf.float32
tf.int32
