本文介绍了TensorFlow的编程模型，包括有向图、tensor与variable、Session、设备管理和并行计算等关键概念。TensorFlow使用数据流图进行计算，tensor是数据容器，variable用于存储可持久化的状态。Session管理计算过程，支持在多种设备上执行，并通过队列实现异步任务调度。此外，文章还探讨了TensorFlow的容错性和并行计算策略。
一、有向图
TensorFlow的计算流程是可以采用数据流图，或者说有向图来直观地表达的。就如我们常见的神经网络中的神经细胞示意图一样，数据流图可以直观地告诉我们计算的形态。
有向图也称计算图，每一个运算操作都作为一个节点（node），节点与节点的连接称为边（edge）。其描绘了数据的计算流程，也可以用来便捷地维护、更新状态。
计算图可以映射到不同的硬件或操作平台上。这样统一的架构，TensorFlow可以方便地部署到不同的平台上，例如，可以在手机上跑CV（计算机视觉）模型。
TensorFlow的数据流图形式，还可以应用在通用数值计算和符号计算上，不仅仅拘泥于机器视觉或深度学习。
二、tensor和variable
tensor，张量。在计算图中流动的数据，都称为张量。因而得名TensorFlow。
什么是张量？张量就是一种拥有不同维度的数据结构，我们可以理解为是一个存放数据的容器。张量的维度用阶来表示，0阶张量就是常熟constant
最低0.47元/天 解锁文章
2756
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
