从mnist看tensorflow运行方式
目录 目录 tensorflow是如何运行的 有向图 会话 Tensor 变量与常量 用fetches取出数据用feeds输入数据 tensorflow是如何运行的: 将计算流程表示成图 通过sessions执行图的计算 数据表示为张量(tensors) 用Variables表示状态(如权重) 分别使用feeds和fetches来填充和取出数据 有向图: tensorflow的计算是由图表示的。下面是一个mnist例子改编的例子,用于展示tensorflow的有向图定义,也用于展示tensorboard的用法。 节点:节点如layer1,cross_entropy代表的是运算,input也可以看做是输入操作 有向箭头表示数据的流向 从图中可以看出,输入数据之后,可以通过tf.reshape()函数对于输入的张量进行reshape;也可以构造一个网络:网络第一层:layer1, drop_out层,第二层:layer2,然后计算交叉熵(利用input,layer2的数据),计算准确率(利用input,layer2)。我们获得了除每一层维度之外所有有关计算的信息。 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data max_steps = 1000 learning