运行机制：张量tensor+计算图graphs
1.tensor张量表示数据：常量，变量
2.op:operation:四则运算等
本质：tf=tensor+计算图

tensor 数据

graphs 数据操作

session是执行的核心，交互过程

运算时需要插入的数据
3.变量

x=tf.Variable()
# 变量赋值
state=tf.Variable(0)
new_value=tf.add(state,1)
update=tf.assign(state,new_value)
# 变量初始化
init=tf.initialize_all_variables()
with tf.Session() as sess:
    sess.run(init)
    for i in range(5):
        print(sess.run(update))

4.fetch

sess.run([x1,x2])

5.feed

sess.run(output,feed={input1:x1,input2:x2})

6.梯度下降法

# 定义损失函数
loss=tf.reduce_mean(tf.square(y_data_y))
# 定义优化器-->梯度优化
optimizer=tf.train.GradientDescentOptimizer(0.2)
# 通过优化器最小化损失函数
train=optimizer.minimize(loss)
# 循环train
with tf.Session() as sess:
    for step in range(2000):
        sess.run(train)

7. tf.random.normal()
   tf.random_normal()函数用于从“服从指定正态分布的序列”中随机取出指定个数的值。

tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)

shape: 输出张量的形状，必选
mean: 正态分布的均值，默认为0
stddev: 正态分布的标准差，默认为1.0
dtype: 输出的类型，默认为tf.float32
seed: 随机数种子，是一个整数，当设置之后，每次生成的随机数都一样
name: 操作的名称

8. tf.arg_max()
   tf.argmax(input,axis)根据axis取值的不同返回每行或者每列最大值的索引。
   axis=0 返回每列
   axis=1 返回每行

9. tf.cast()
   tf.cast()函数的作用是执行 tensorflow 中张量数据类型转换，比如读入的图片如果是int8类型的，一般在要在训练前把图像的数据格式转换为float32。

cast定义：

cast(x, dtype, name=None)
第一个参数 x: 待转换的数据（张量）
第二个参数 dtype： 目标数据类型
第三个参数 name： 可选参数，定义操作的名称

10. tf.truncated_normal(shape,mean=0.0,stddev=1.0,dtype=tf.float32,seed=None,name=None)
    功能说明：产生截断正态分布随机数，取值范围【mean-2stddev,mean+2stddev】
    参数列表：
    2020-03-30 18-36-49屏幕截图.png