[深度学习笔记]TensorFlow-术语解释

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