tensorflow

图的结构

数据流图：
计算定义 ， 执行计算 被很好地分离开了

tensor 张量（指代的数据）
operation：操作节点（指代的函数）
graph 程序的结构
session 会话（运算程序的图）
Tensorflow 数据流图是一种声明式的编程范式

#声明式编程
fib = labda x:1 if x <=2 else fib(x-1) + fib(x-2)

#命令式编程
def fib(n):
	a,b=1,1
	for i in range(1,n):
	a,b = b,a+b
	return a

---

图

图默认已经注册 ，一组表示tf.operation计算单位的对象和tf.tensor标识操作之间流动的数据单元的对象。

调用：

1. tf.get_default_graph()
2. op,sess或者tensor的graph属性

图的创建：tf.Graph()

---

张量

张量的操作

tensor 张量（指代的数据,表示某种相同数据类型的多维数组）

重要属性：

1. 数据类型（如浮点型，整形，字符串）
2. 数组形状（各个维度的大小）
3. 名称

张量的阶：

---

变量

变量也是一种op，是一种特殊的张量，能够进行存储持久化，常驻内存
作用：维护特定节点的状态

图中符号意义：

---

节点

operation：操作节点（指代的函数）

---

会话

session 会话（运算程序的图）
作用：

1. 运行图的结构
2. 分配资源计算方
3. 掌握资源（队列，线程，变量）

tf.session（）
tf.run(）

tensorflow训练模型工作流程

实现原理

扩展

自动求导

、

子图的执行

计算图控制流

队列和容器

基本操作

可视化操作TensorBoard

名字作用域与抽象节点