我无法理解 TensorFlow 系统

Question

我无法理解 Tensorflow 系统。 首先，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)

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

然后打印出 5。 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)

并打印出 Tensor("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，它似乎不同。 为什么是这部分

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

有必要吗？ 这部分有什么功能？

Answer 1

我建议阅读 TensorFlow 的官方 Getting Started with TensorFlow 指南以了解该库的核心概念，例如这里似乎存在问题的概念：

每个 TensorFlow 程序都由两部分组成：

1. 构建计算图。
2. 运行计算图。

现在，什么是“计算图”？在 TensorFlow 中，您指定在输入上执行的一系列操作。这一系列的操作就是你的“计算图”。为了理解这一点，让我们看一些例子：

• 简单的加法：我们看你的例子，你的代码是

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

  这会在图中创建两个常量节点，并创建添加它们的第二个节点。从图形上看，这看起来像：

• 为了让它更复杂一点，假设你有一个输入 x 并想向它添加一个常量 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

在这两个示例中，这是程序的第一部分。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、什么输出以及需要的所有计算。

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 - 只知道它将是 float32。 如果你有 GPU，你会注意到 TensorFlow 甚至还没有接触到 GPU。即使您拥有一个包含数百万张训练图像的庞大神经网络，这一步也可以在几毫秒内运行，因为不需要完成“真正的”工作。

现在是第二部分：运行我们上面定义的图表。这就是工作发生的地方！ 我们通过创建 tf.Session 来启动 TensorFlow，然后我们可以通过调用 sess.run() 来运行任何东西。

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

在第二个示例中，我们现在必须告诉 TensorFlow 我们的值 x 应该是什么：

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，2. 运行该图。使用tf.add，您只需定义图形，但尚未执行添加。要运行此图表，请在您的第一段代码中使用sess.run()。