1. TensorFlow 特点
- 使用图(graphs)来表示计算任务
- 在被称之为会话(Session)的上下文(context)中执行图
- 使用张量(tensor)表示数据
- 通过变量(Variable)维护状态
- 使用 feed 和 fetch 可以为任意的操作赋值或者从其中获取数据
2. TensorFlow结构
Tensorflow 是一个编程系统,Tensorflow 结构如下图所示:
图中使用图(graphs)来表示计算任务,图(graphs)中的节点称之为 op (operation),一个 op 获得 0 个或多个 Tensor,执行计算,产生 0 个或多个 Tensor。Tensor 看作是 一个 n 维的数组或列表。图必须在会话(Session)里被启动。
3.TensorFlow中标量、向量、张量的概念与区别
- 张量:表示的是一个多维数组
- 标量:维度为0称之为标量
- 向量:维度为1称之为向量
标量、向量、张量关系
- 标量是 0 阶张量,向量是一阶张量。举例: 标量就是知道棍子的长度,但是你不会知道棍子指向哪儿。
- 向量就是不但知道棍子的长度,还知道棍子指向前面还是后面。
- 张量就是不但知道棍子的长度,也知道棍子指向前面还是后面,还能知道这棍子又向上/下和左/右偏转了多少。
举例说明
1 #维度为0的标量
[1,2,3] #维度为1, 一维向量
[[1,2],[3,4]] #维度为2, 二维矩阵
[[[1,2],[3,4]],[[1,2],[3,4]]] #维度为3, 3维空间矩阵
技巧:维度看张量的最左边有多少个左中括号,有 n 个,则这个张量就是 n 维张量。
资源下载
资源下载