开发者学堂课程【深度学习框架TensorFlow入门：TensorFlow结构】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/773/detail/13537
TensorFlow结构
目录：
一、TensorFlow实现一个加法运算
二、TensorFlow结构分析
三、数据流图介绍
一、TensorFlow实现一个加法运算
代码：
def tensorflow_demo():
TensorFlow的基本结构
: return:
#原身python加法运算
a=2
c=a+b
print("普通加法透算的結果: \n", c)
# TensorFlow实现加法运算
a_t=tf. constant(2)
b_t=tf. constant(3)
c_t=a_t+b_t
print ("TensorFlow加法运算的结果：/n", c_ t)
#开启会话
with tf.Session() as sess:
c_t_value = sess.run(c_t)
print("c_t_value:/n", c_t_value)
return None
注意问题:警告指出你的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'
二、TensorFlow结构分析
TensorFlow 程序通常被组织成:
一个构建图阶段:流程图(定义数据:张量 Tensor 与操作:节点 Op）。
一个执行图阶段:调用各方支援，将定义好的操作与数据运行起来。
在构建阶段，数据与操作的执行步骤被描述成一个图。
在执行阶段，使用会话执行构建好的图中的操作。
1.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: 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。
三、数据流图介绍
TensorFlow
Tensor-张量-数据
Flow-流动
TensorFlow是一个采用数据流图(data flow graphs)，用于数值计算的开源框架。
节点(Operation)在图中表示数学操作，线(edges) 则表示在节点间相互联系的多维数据数组，即张量(tensor)。
