在后面的课程中我们将主要使用 TensorFlow 来实现各种模型的应用,所以在本节我们先来看一下 TensorFlow 的基础知识点。
TensorFlow 是一个深度学习库,由 Google 开源,可以对定义在 Tensor(张量)上的函数自动求导。
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 即为张量从图的一端流动到另一端。
它的一大亮点是支持异构设备分布式计算,它能够在各个平台上自动运行模型,从手机、单个CPU / GPU到成百上千GPU卡组成的分布式系统。支持 CNN、RNN 等主流算法,是目前在图像和自然语言处理中最流行的深度学习库。
接下来我们将对 TensorFlow 的一些核心概念展开学习。
本文结构:
- TensorFlow 的代码结构
- 1. 图 Graph
- 1.1 图的定义
- 1.2 建立图
- 1.3 运行图:会话 session
- 1.3.1 fetches
- 2. Tensor 和 Operation
- 2.1 Tensor
- 2.1.1 tensor 的 shape
- 2.2. Operations
- 2.3. Placeholder
- 2.3.1. Feed
- 2.4. Variable
- 2.4.1 初始化
- 2.4.2 改变值
- 2.4.3 Trainable 可训练性
- 2.1 Tensor
- 3. TensorBoard
- 3.1 name scopes