一、基础理论
1、TensorFlow
tensor：张量（数据）
flow：流动
Tensor-Flow：数据流
2、TensorFlow过程
TensorFlow构成：图和会话
1、构建图阶段
构建阶段：定义了数据(张量tensor)与操作(节点operation)，构成图（静态）
张量：TensorFlow中的基本数据对象。
节点：提供图中执行的操作。
2、执行图阶段（会话）
执行阶段：使用会话执行定义好的数据与操作。
二、TensorFlow实例（执行加法）
1、构造静态图
1-1、创建数据（张量）
#图（静态）
a = tf.constant(2) #数据1（张量）
b = tf.constant(6) #数据2（张量）1-2、创建操作（节点）
c = a + b #操作（节点）2、会话（执行）
API：
普通执行
#会话（执行）
with tf.Session() as sess:
print(sess.run(a + b))
fetches（多参数执行）
#会话（执行）
with tf.Session() as sess:
print(sess.run([a,b,c]))
feed_dict（参数补充）
def Feed_Add():
#创建静态图
a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)
c = tf.add(a,b)
#会话（执行）
with tf.Session() as sess:
print(sess.run(c, feed_dict={a:0.5, b:2.0}))
总代码
import tensorflow as tf
def Add():
#图（静态）
a = tf.constant(2) #数据1（张量）
b = tf.constant(6) #数据2（张量）
c = a + b #操作（节点）
#会话（执行）
with tf.Session() as sess:
print(sess.run([a,b,c]))
def Feed_Add():
#创建静态图
a = tf.placeholder(tf.float32)
b = tf.placeholder(tf.float32)
c = tf.add(a,b)
#会话（执行）
with tf.Session() as sess:
print(sess.run(c, feed_dict={a:0.5, b:2.0}))
Add()
Feed_Add()以上就是Python深度学习TensorFlow神经网络基础概括的详细内容，更多关于TensorFlow神经网络基础的资料请关注编程网其它相关文章！
