这个系列主要是对TensorFlow进行学习,了解其内部机制、运行方法,最后能根据自己的想法构建模型。
本文主要的介绍内容是TensorFlow的Graph和Session两个概念,即运算图和会话。
1. 数据流图
TensorFlow哲学:将计算图的定义和执行分离。
阶段一:运算图的定义
阶段二:使用session会话执行运算图的操作
2. 什么是Tensor?
Tensor是一个n维的数组
- 0-d tensor:标量,或者说数字
- 1-d tensor:向量
- 2-d tensor:矩阵
- …
让我们看一个简单的计算图
在TensorBoard的模型可视化结果中,结点通常表示操作、变量以及常量;边表示张量tensors。
这些tensor表示的是数据,TensorFlow = tensor + flow = data + flow.
从上面图中我们可以知道,直接打印a并不能得到真正的计算结果8,这也证实了TensorFlow计算图和执行过程确实是分离的。
那么,我们如何才能得到计算结果a的值呢?
创建一个Session会话:在会话中可以执行运算图,从而得到a的计算结果值(8)。具体方法就是:
import tensorflow