1.Python中with用法
with是一种集成的处理异常方法，比如：打开文件时，有可能出现异常，就像c中需要try catch排除问题一样
http://linbo.github.io/2013/01/08/python-with
因为有例子，很便于理解。但是最后一个例子没看懂
2.基本概念解释
2.1 Tensor 张量的含义
张量就是一种维度的表示
张量（英语：tensor）是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数，
在同构的意义下，第零阶张量（{\displaystyle r=0}
）为标量，第一阶张量（{\displaystyle r=1}
）为矢量， 第二阶张量（{\displaystyle r=2}
）则成为矩阵。例如，对于3维空间，{\displaystyle r=1}时的张量为此矢量：{\displaystyle \left(x,y,z\right)^{\mathrm {T} }}
。
2.2 对 TensorFlow本身的理解
https://zhuanlan.zhihu.com/p/45476929
没有细看，但是它进行了类比，感觉挺好的
3.Python代码解析
TensorFlow是一个开源软件库，用于各种感知和语言理解任务的机器学习，所以本身相当于函数的封装集合。
函数简介：
一般都会有这句话，所以tf代表了TensorFlow的函数，TensorFlow本身
import tensorflow as tf
3.1 tf.convert_to_tensor
用于将不同数据变成张量：比如可以让数组变成张量、也可以让列表变成张量。
代码中用处：raw_data = tf.convert_to_tensor(raw_data, name="raw_data", dtype=tf.int32)
3.2 tf.name_scope
通过 with tf.name_scope(‘conv1’) as scope: 可以将scope 内生成的Variable 自动命名为 conv1/xxx,便于区分不同卷积层之间的组件。
代码中用处：with tf.name_scope(name, "PTBProducer", [raw_data, batch_size, num_steps]):对下面的循环体进行命名
3.3 tf.size(input, name=None)
返回数据的元素数量
# ‘t’ is [[[1, 1, 1], [2, 2, 2]], [[3, 3, 3], [4, 4, 4]]]]
size(t) ==> 12
3.4 / & //
/是除法，不管除数和被除数是不是整数，最后结果都是float
//是地板除法，先做除法，再向下取整，两个都是int结果也是int，至少一方是float，结果是float
3.5 tf.reshape(tensor, shape, name=None)
改变tensor的形状
# tensor ‘t’ is [1, 2, 3, 4, 5, 6, 7, 8, 9]
# tensor ‘t’ has shape [9]
reshape(t, [3, 3]) ==>
[[1, 2, 3],
[4, 5, 6],
[7, 8, 9]]
#如果shape有元素[-1],表示在该维度打平至一维
# -1 将自动推导得为 9:
reshape(t, [2, -1]) ==>
[[1, 1, 1, 2, 2, 2, 3, 3, 3],
[4, 4, 4, 5, 5, 5, 6, 6, 6]]
关于-1的说法，没看懂
1.Python中with用法
with是一种集成的处理异常方法，比如：打开文件时，有可能出现异常，就像c中需要try catch排除问题一样
http://linbo.github.io/2013/01/08/python-with
因为有例子，很便于理解。但是最后一个例子没看懂
2.基本概念解释
2.1 Tensor 张量的含义
张量就是一种维度的表示
张量（英语：tensor）是一个可用来表示在一些矢量、标量和其他张量之间的线性关系的多线性函数，
在同构的意义下，第零阶张量（{\displaystyle r=0}
）为标量，第一阶张量（{\displaystyle r=1}
）为矢量， 第二阶张量（{\displaystyle r=2}
）则成为矩阵。例如，对于3维空间，{\displaystyle r=1}
时的张量为此矢量：{\displaystyle \left(x,y,z\right)^{\mathrm {T} }}
。
2.2 对 TensorFlow本身的理解
https://zhuanlan.zhihu.com/p/45476929
没有细看，但是它进行了类比，感觉挺好的
3.Python代码解析
TensorFlow是一个开源软件库，用于各种感知和语言理解任务的机器学习，所以本身相当于函数的封装集合。
函数简介：
一般都会有这句话，所以tf代表了TensorFlow的函数，TensorFlow本身
import tensorflow as tf
3.1 tf.convert_to_tensor
用于将不同数据变成张量：比如可以让数组变成张量、也可以让列表变成张量。
代码中用处：raw_data = tf.convert_to_tensor(raw_data, name="raw_data", dtype=tf.int32)
3.2 tf.name_scope
通过 with tf.name_scope(‘conv1’) as scope: 可以将scope 内生成的Variable 自动命名为 conv1/xxx,便于区分不同卷积层之间的组件。
代码中用处：with tf.name_scope(name, "PTBProducer", [raw_data, batch_size, num_steps]):对下面的循环体进行命名
3.3 tf.size(input, name=None)
返回数据的元素数量
# ‘t’ is [[[1, 1, 1], [2, 2, 2]], [[3, 3, 3], [4, 4, 4]]]]
size(t) ==> 12
3.4 / & //
/是除法，不管除数和被除数是不是整数，最后结果都是float
//是地板除法，先做除法，再向下取整，两个都是int结果也是int，至少一方是float，结果是float
3.5 tf.reshape(tensor, shape, name=None)
改变tensor的形状
# tensor ‘t’ is [1, 2, 3, 4, 5, 6, 7, 8, 9]
# tensor ‘t’ has shape [9]
reshape(t, [3, 3]) ==>
[[1, 2, 3],
[4, 5, 6],
[7, 8, 9]]
#如果shape有元素[-1],表示在该维度打平至一维
# -1 将自动推导得为 9:
reshape(t, [2, -1]) ==>
[[1, 1, 1, 2, 2, 2, 3, 3, 3],
[4, 4, 4, 5, 5, 5, 6, 6, 6]]
关于-1的说法，没看懂