tensorflow第一个例子简单实用

 

下面一起看一下这段简单的代码：

1. 导入tensorflow，这将导入 TensorFlow 库，并允许使用其精彩的功能：

   import tensorflow as if

2. 由于要打印的信息是一个常量字符串，因此使用 tf.constant：

   message = tf.constant('Welcome to the exciting world of Deep Neural Networks!')

3. 为了执行计算图，利用 with 语句定义 Session，并使用 run 来运行：

   with tf.Session() as sess:
       print(sess.run(message).decode())

4. 输出中包含一系列警告消息（W），具体取决于所使用的计算机和操作系统，并声明如果针对所使用的计算机进行编译，代码运行速度可能会更快：
   
   
    
5. 如果使用 TensorFlow GPU 版本，则还会获得一系列介绍设备的提示消息（I）：
   
   
    
6. 最后是在会话中打印的信息：

   Welcome to the exciting world of Deep Neural Networks!

TensorFlow 程序解读分析

前面的代码分为以下三个主要部分：

第一部分 import 模块包含代码将使用的所有库，在目前的代码中只使用 TensorFlow，其中语句 import tensorflow as tf 则允许 Python 访问 TensorFlow 所有的类、方法和符号。

第二个模块包含图形定义部分...创建想要的计算图。在本例中计算图只有一个节点，tensor 常量消息由字符串“Welcome to the exciting world of Deep Neural Networks”构成。

第三个模块是通过会话执行计算图，这部分使用 with 关键字创建了会话，最后在会话中执行以上计算图。

现在来解读输出。收到的警告消息提醒 TensorFlow 代码可以以更快的速度运行，这能够通过从 source 安装 TensorFlow 来实现（本章后面的章节中会提及）。收到的提示消息给出计算设备的信息。这两个消息都是无害的，如果不想看到它们，可以通过以下两行代码实现：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'

以上代码用于忽略级别 2 及以下的消息（级别 1 是提示，级别 2 是警告，级别 3 是错误）。

该程序打印计算图执行的结果，计算图的执行则使用 sess.run() 语句，sess.run 求取 message 中所定义的 tensor 值；计算图执行结果输入到 print 函数，并使用 decode 方法改进，print 函数向 stdout 输出结果：

b'Welcome to the exciting world of Deep Neural Networks!'

这里的输出结果是一个字节字符串。要删除字符串引号和“b”（表示字节，byte）只保留单引号内的内容，可以使用 decode() 方法。