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