人工智能TensorFlow工作笔记005---计算图的基本应用_认识计算图

本文为博主原创文章，未经博主添柴程序猿允许不得转载违者追究法律责任。

本文链接：https://blog.csdn.net/lidew521/article/details/90383645

本文是关于人工智能中TensorFlow使用的工作笔记，主要探讨计算图的基本概念和应用，适合初学者了解和学习。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

看书写程序,边看边写...

#1. 在Python 中一般会采用“ import tensorflow as tf”的形式来载入TensorFlow ，这样可以
# 使用“ tf”来代替“ tensorflow ”作为模块名称，使得整个程序更加简洁。这是TensorFlow
# 中非常常用的技巧，在本书后面的章节中将会全部采用这种加载万式。在这个过程中，
# Tensor Flow 会自动将定义的计算转化为计算图上的节点。在TensorFlow 程序中，系统会自
# 动维护一个默认的计算图，通过tf.get_default_graph 函数可以获取当前默认的计算图。
import tensorflow as tf

# TensorFlow 程序一般可以分为两个阶段。在第一个阶段需要定义计算图中所有的计算。
# 首先定义了两个输入，然后定义了一个计算来得到它们的和。以下代码给出了计算定义
# 阶段的样例。
a = tf.constant([1.0, 2.0], name="a")
b = tf.constant([2.0, 3.0], name="b")

result = a + b

#通过a . graph 可以查看张量所属的计算图。因为没有特意指定，所以这个计算图应该等于
#当前默认的计算图。所以下面这个操作输出值为True 。
print(a.graph is tf.get_default_graph())