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:
- tf.get_default_graph()
- op,sess或者tensor的graph属性
图的创建:tf.Graph()
张量
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:
- 数据类型(如浮点型,整形,字符串)
- 数组形状(各个维度的大小)
- 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:
- 运行图的结构
- 分配资源计算方
- 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