Python 我不能理解张量流系统

我不能理解Tensorflow系统。 首先，我写

#coding:UTF-8

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import tensorflow as tf

const1 = tf.constant(2)
const2 = tf.constant(3)
add_op = tf.add(const1,const2)

with tf.Session() as sess:
    result = sess.run(add_op)
    print(result)

然后打印出5张。 第二，我写了

#coding:UTF-8

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import tensorflow as tf

const1 = tf.constant(2)
const2 = tf.constant(3)
add_op = tf.add(const1,const2)
print(add_op)

然后打印出张量（“Add:0”，shape=（），dtype=int32）。 我无法理解这个系统。 我使用Python和其他语言，所以我认为

tf.add（）

方法是add方法。但是，在Tensorflow的情况下，它似乎有所不同。 为什么是这部分

with tf.Session() as sess:
    result = sess.run(add_op)
    print(result)

必要吗？

---

这一部分有哪些功能？

我建议阅读TensorFlow的官方指南，了解图书馆的核心概念，例如这里似乎存在的问题：

每个TensorFlow程序由两部分组成：

构建计算图

运行计算图

现在，什么是“计算图”？在TensorFlow中，指定对输入执行的一系列操作。这一系列操作就是“计算图”。为了理解这一点，让我们看一些例子：

• 简单的补充：让我们看看您的示例，您的代码是

  const1 = tf.constant(2)
  const2 = tf.constant(3)
  add_op = tf.add(const1,const2)
  

  这将在图形中创建两个常量节点，并创建第二个节点将它们相加。从图形上看，这看起来像：

• 为了使它更复杂一点，假设您有一个输入

  x

  ，并想向其中添加一个常量

  3

  。那么您的代码将是：

  const1 = tf.constant(2)
  x = tf.placeholder(tf.float32)
  add_op = tf.add(const1,x)
  

  你的图表是

在这两个例子中，这都是程序的第一部分。到目前为止，我们只定义了计算图的外观，即我们有什么输入，什么输出，以及所有需要的计算

但是：到目前为止还没有进行任何计算在第二个示例中，您甚至不知道您的输入

x

是什么-只是它将是一个

float32

。 如果你有一个GPU，你会注意到TensorFlow甚至还没有接触到GPU。即使你有一个拥有数百万训练图像的巨大神经网络，这一步也是以毫秒为单位的，因为不需要做“真正的”工作

现在是第二部分：运行上面定义的图。这就是工作发生的地方！ 我们通过创建

tf.Session

来启动TensorFlow，然后通过调用

sess.run（）

可以运行任何东西

在第二个示例中，我们现在必须告诉TensorFlow我们的值

x

：

with tf.Session() as sess:
    result = sess.run(add_op, {x: 5.0})
    print(result)

---

tl；dr:每个TensorFlow程序都有两个部分：1。构建计算图，以及2。运行此图表。使用

tf.add

仅定义图形，但尚未执行任何添加。要运行此图，请使用与第一段代码相同的

sess.run（）

。

thx！！你的答案对我来说很好，可以理解得很好。我有一个问题，我可以调用tf。会话方法是激活函数吗？我读了Tensorflow教程，但我不能很好地理解这部分。很好的解释，特别是对于初学者。

with tf.Session() as sess:
    result = sess.run(add_op, {x: 5.0})
    print(result)