使用 TensorFlow, 你必须明白 TensorFlow:
-
使用图 (graph) 来表示计算任务.
-
在被称之为 会话 (Session) 的上下文 (context) 中执行图.
-
使用 tensor 表示数据.
-
通过变量 (Variable) 维护图执行过程中的状态信息.
-
使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据.
TensorFlow 是一个编程系统, 使用图 (graph) 来表示计算任务. 图中的节点被称之为 op (operation 的缩写). 一个 op 获得 0 个或多个 Tensor, 执行计算, 产生 0 个或多个 Tensor. 每个 Tensor 是一个类型化的多维数组. 例如, 你可以将一小组图像集表示为一个四维浮点数数组, 这四个维度分别是 [batch, height, width, channels].
一个 TensorFlow 图(graph)描述了计算的过程. 为了进行计算, 图必须在会话(Session) 里被启动. 会话(Session)将图的op分发到诸如CPU或GPU之类的设备上, 同时提供执行op的方法.这些方法执行后,将产生的tensor返回. 在Python 语言中, 返回的tensor是numpy ndarray对象;在C和C++语言中, 返回的 tensor是 tensorflow::Tensor 实例.
通常会将一个统计模型中的参数表示为一组变量. 例如, 你可以将一个神经网络的权重作为某个变量存储在一个 tensor 中. 在训练过程中, 通过重复运行训练图, 更新这个 tensor.
网友评论