TensorFlow编程基础：从张量开始

本文讲述TensorFlow的编程基础，介绍张量及相关联的知识。

tensorflow=tensor张量 + flow 流

张量具体是啥意思之前不是很明白，只知道张力的概念，比如在亚平老师的太空授课中，水膜加水后能变成水球，就是因为水的表面张力。

那这里的张量，是指一种数据结构，具体来说是多维数组（通过.numpy()来得到）。我的理解它的表现形式可以是，一个单独的数/标量，或一个一维数组/向量，一个二维数组/矩阵，或三维四维多维等等。形式上来统一化，可以叫做：0阶张量/标量/Scalar, 1阶张量/向量/vector, n阶张量/n维数组

流，表示张量数据流动/计算的过程。

每一个张量有一个唯一的类型，运算的类型不匹配会报错，比如int和float32运算就不行，这个是比较严格的，可以先通过tf.cast()做类型转换

常量定义的时候是可以按需求做类型自动转换、reshape的

但是变量的定义中，类型还是根据初值来定的，而设定的需求类型并没有生效：v2=tf.Variable([3,4],tf.float32)

tf里的变量和普通编程语言里的变量是有区别的，区别在于tf里的变量设计为学习中自动优化自动调整它的值，一般无需人工进行赋值，所以它的trainable参数默认是启用的,当然如果是要冻结这些值的时候，就不启用它了

tf2对tf1.x是间接兼容的，原来1.x的API整理到tensorflow.compat.v1包里去了。这样写：

import tensorflow.compat.v1 as tf
tf.disable_eager_execution() //禁用tf2默认的即时执行模式

然后在建立会话来实现计算图执行

sess=tf.Session()
sess.run(node1)

说了变量，再说下占位符。

既然有了变量，为什么还有占位符出来呢？
这是因为有些时候，需要类似变量的一个东西，但又因为不知道它的数值没法给它赋值，所以占一个位置先。
在真正开始运行程序时，由外部来输入，比如模型训练时需要喂入的大量数据。
这样一解释，它就很像函数里的参数了。