1.使用图 (graph) 来表示计算任务.
2.在被称之为 会话 (Session) 的上下文 (context) 中执行图.
3.使用 tensor 表示数据.
4.通过 变量 (Variable) 维护状态.
5.使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据
一个 TensorFlow 图描述了计算的过程. 为了进行计算, 图必须在 会话 里被启动.
#创建一个常量op，产生一个1*2矩阵，这个op被作为一个节点
#加到默认图中
#
#构造器的返回值代表该常量op的返回值
matrix1 = tf.constant([[3.,3.]])
#创建另外一个常量op，产生一个2*1矩阵
matrix2 = tf.constant([[2.],[2.]])
#创建一个矩阵乘法matmul op，把“matrix1”，“matrix2”作为输入
# 返回值 'product' 代表矩阵乘法的结果.
product = tf.matmul(matrix1,matrix2)
'''
默认图现在有三个节点, 两个 constant() op,
和一个matmul() op. 为了真正进行矩阵相乘运算,
并得到矩阵乘法的 结果, 你必须在会话里启动这个图.
'''
'''
启动图的第一步是创建一个 Session 对象,
如果无任何创建参数, 会话构造器将启动默认图.
'''
# 启动默认图.
sess = tf.Session()
'''
调用 sess 的 'run()' 方法来执行矩阵乘法 op, 传入 'product' 作为该方法的参数.
上面提到, 'product' 代表了矩阵乘法 op 的输出, 传入它是向方法表明, 我们希望取回
矩阵乘法 op 的输出.
# 整个执行过程是自动化的, 会话负责传递 op 所需的全部输入. op 通常是并发执行的.
#
# 函数调用 'run(product)' 触发了图中三个 op (两个常量 op 和一个矩阵乘法 op) 的执行.
#
# 返回值 'result' 是一个 numpy `ndarray` 对象.
'''
result = sess.run(product)
print (result)
# 任务完成, 关闭会话.
sess.close()
'''
Session 对象在使用完后需要关闭以释放资源. 除了显式调用 close 外, 也可以使用 "with" 代码块 来自动完成关闭动作.
'''
with tf.Session() as sess:
result = sess.run([product])
print(product)
'''为了便于使用诸如 IPython 之类的 Python 交互环境, 可以使用 InteractiveSession 代替 Session 类, 使用 Tensor.eval() 和 Operation.run() 方法代替 Session.run(). 这样可以避免使用一个变量来持有会话.
'''
# 进入一个交互式 TensorFlow 会话.
sess = tf.InteractiveSession()
x = tf.Variable([1.0,2.0])
a = tf.constant([3.0,3.0])
# 使用初始化器 initializer op 的 run() 方法初始化 'x'
x.initializer.run()
# 增加一个减法sub op，从“x”减去“a”。运行减法op，输出结果
sub = tf.subtract(x,a)
print(sub.eval())
#将op添加到默认graph
c = tf.constant(4.0)
assert c.graph is tf.get_default_graph()
g = tf.Graph()
with g.as_default():
# Define operations and tensors in `g`.
c = tf.constant(30.0)
assert c.graph is g
tf.Graph.__init__()
# Creates a new, empty Graph.
tf.Graph.as_default()
# Returns a context manager that makes this Graph the default graph.
#两种方法等效，都是构建新的graph并作为默认的
# 1. Using Graph.as_default():
g = tf.Graph()
with g.as_default():
c = tf.constant(5.0)
assert c.graph is g
# 2. Constructing and making default:
with tf.Graph().as_default() as g:
c = tf.constant(5.0)
assert c.graph is g
tf.Graph.finalize()
'''
完成此图表，使其成为只读。
在调用g.finalize（）之后，不能向g添加新操作。此方法用于确保在多个线程之间共享时不向图表添加任何操作，例如在使用QueueRunner时。
'''
tf.Graph.finalized #如果已经完成返回True
