import tensorflow as tf

 '''

 计算图

 tensorflow是一个通过计算图的形式来表示计算的编程系统

 tensorflow中每一个计算都是计算图上的一个节点

 节点之间的边描述了计算之间的依赖关系

 '''

 # 1 计算图的使用

 # 获得系统默认的计算图

 # print(tf.get_default_graph)     # <function get_default_graph at 0x7f484912be18>

 # 生成新的计算图

 g1 = tf.Graph()

 with g1.as_default():

     # 在计算图g1中定义变量v 设置为0

     v = tf.get_variable(name="v",

                         initializer=tf.zeros_initializer(),

                         shape=[1])

 g2 = tf.Graph()

 with g2.as_default():

     # 在图g2中定义变量v 初始值1

     v = tf.get_variable(name="v",

                         initializer=tf.ones_initializer(),

                         shape=[1])

 # 在图1中读取变量v的值

 with tf.Session(graph=g1) as sess:

     # 初始化所有变量

     tf.initialize_all_variables().run()

     with tf.variable_scope("", reuse=True):

         print(sess.run(tf.get_variable(name="v")))   # [0.]

 # 在图2中读取变量v的值

 with tf.Session(graph=g2) as sess:

     # 初始化所有变量

     tf.initialize_all_variables().run()

     with tf.variable_scope("", reuse=True):

         print(sess.run(tf.get_variable(name="v")))  # [1.]

 g = tf.Graph()

 # 指定运行设备

 with g.device("/gpu:0"):

     pass

 '''

 张量 tensor

 张量可以简单理解成多维数组

 零阶张量为 标量 scala   也就是一个数

 n阶张量可以理解为n维数组

 张量没有保存真正的数字 而是保存一个结果运算过程的引用 并不会执行加法运算

 获得一个张量 使用tf.constant(value, name, shape, dtype)

 dtype为数值类型,不同类型之间不能进行操作

 '''

 # tf.constant 是一个计算 结果为一个张量

 a = tf.constant([1.0, 2.0], name="a")

 b = tf.constant([2.0, 3.0], name="b")

 result = tf.add(a, b, name="add")

 # print(result)   # Tensor("add:0", shape=(2,), dtype=float32)

 '''

 会话 session

 会话用来执行定义好的运算

 管理tensorflow运行时的资源

 计算完成后资源回收

 会话指定之后 可以通过tf.Tensor.eval() 来计算一个张量的取值

 '''

 # 开启会话

 with tf.Session() as sess:

     with sess.as_default(): # 注册默认会话 计算张量的值

         # result为之前张量a和b的加法引用

         print(result.eval())    # [3. 5.]

 '''

 变量

 tf.Variable

 作用是保存和更新神经网络中的参数

 经常用随机数来初始化变量

 常用的随机数生成器:

     tf.random_normal 正太分布

     tf.truncated_normal 正太分布 如果平均值超过两个标准差就重新随机

     tf.random_uniform 均匀分布

     tf.random_gamma Gamma分布

     tf.zeros 产生全0数组

     tf.ones 产生全1数组

     tf.fill 给定数字数组

     tf.constant 定量值

 '''

 # 声明一个变量 随机生成 2*3的矩阵 满足正太分布 均值为0 标准差为2

 weights = tf.Variable(tf.random_normal(shape=[2,3], stddev=2, mean=0))

 # 生成三个零的数组变量

 bias = tf.Variable(tf.zeros(shape=[3]))

 # 也支持用其他变量初始化的形式声明变量

 # 与weight相同

 w2 = tf.Variable(weights.initialized_value())

 # 是weight的两倍

 w3 = tf.Variable(weights.initialized_value()*2)