TensorFlow与卷积神经网络技术详解
1. TensorFlow相关操作
在TensorFlow中，有许多实用的操作和概念，下面将详细介绍其中几个重要的部分。
1.1 模型恢复训练
当我们需要对已经开始训练的神经网络模型进行更多轮次的训练时，可以采用简单的方法来实现。首先保留保存器对象（saver object）的创建，然后将全局变量初始化操作替换为调用保存器对象的恢复方法，示例代码如下：
saveOb.restore(sess, "mylatest.ckpt")这样，下次调用训练程序时，TensorFlow变量会被设置为上次保存时的值，从而继续训练。不过需要注意的是，训练代码中的轮次编号等输出可能仍会从1开始，除非对代码进行修改。
1.2 tensordot操作
tensordot是矩阵乘法向张量的推广。对于标准矩阵乘法tf.matmul，要求参与运算的两个矩阵A和B具有相同的维数n，A的最后一个维度大小与B的倒数第二个维度大小相同，且前n - 2个维度相同。例如，若A的维度为[2, 3, 4]，B的维度为[2, 4, 6]