1
本章节主要学习TensorFlow的基础语法及功能函数。学完本章后,TensorFlow代码对你来讲将不再陌生,你可以很轻易看懂网上和书中例子的代码,并可以尝试写一些简单的模型或算法。
学习一个开发环境应先从其内部入手,会起到一个事半功倍的效果。先从编程模型开始了解其运行机制,然后再介绍TensorFlow常用操作及功能函数,最后是共享变量、图和分布式部署。
TensorFlow的命名来源于本身的运行原理。Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流图的计算。TensorFlow是张量从图像的一端流动到另一端的计算过程,这也是TensorFlow的编程模型。
TensorFlow的运行机制属于“定义”与“运行”相分离。从操作层面可以抽象成两种:模型构建和模型运行。 在模型构建过程中,需要先了解几个概念,见表4-1。
表4-1中定义的内容都是在一个叫做“图”的容器中完成的。关于“图”,有以下几点需要理解。
一个“图”代表一个计算任务。
在模型运行的环节中,“图”会在绘话(session)里被启动。
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。
如图4-1表示了session与图的工作关系。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表德赢Vwin官网 网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部1条评论
快来发表一下你的评论吧 !