剛接觸tensorflow 我對於session以及graph的概念是模糊的。
這裏Mark一下我對於Graph的理解
網上的一篇 文章寫的很清楚。
就當讀後感了。
計算圖(computational graph)的理論，神經網絡本身是計算圖的一個特殊形式。
Computational graph 是有向圖，其中的節點都對應着 操作(Operation) 或者 變量(Variable)。
Variable 可以把自己的值遞送給 Operation，而 Operation 可以把自己的輸出遞送給其他的 Operation。這樣的話，計算圖中的每一個節點都定義了 graph 中的 Variable 的一個函數。
遞送入節點的、從節點中傳出的值，被稱爲 tensor，這是個用於多維數組的詞。因此，它包括標量、矢量、矩陣，也包括高階的張量（tensor）。
對於一張計算圖 我們有輸入，輸出，以及中間操作。
例如：
y=Ax+b
假如這是一張計算圖中的Operation：
那麼：
‘+‘ 就是 OP 的操作函數，A,x,b 是我們的輸入，Y是我們的輸出。
但是輸入A，x，b 又有不同，A,b是OP的固有參數。而x是我們的具體輸入的值。
所以參數就用Variable表示，而x是輸入 ，沒有運行前是沒有值的，所以x用佔位符表示。
佔位符 Placeholders。
以上基本的就是一張圖了。得到輸出。需要定義一個會話Session。運行這張圖，需要聲明要運行的Op，以及對佔位符入值。
這就是基本的圖的概念。