TensorFlow学习（一）：基本概念

一、前言：

TensorFlow是一个基于计算图的数值计算系统。（计算图是有向图）

计算图的执行顺序可以看作数据TensorFlow按照图的拓扑顺序，从输入节点逐步流过所有的中间节点，最终流到输出节点的过程。

即是从流图的一段流动到另一端的过程。

这个有向图的中的节点，是数学计算操作的算子（op），边为参与计算的高维数组数据，即tensor。

Tensor : 张量，代表N维数组。用来表示数据，是存储数据的容器。在python中张量通常存储在Numpy数组中。

Flow : 流，代表基于数据流图的计算。
把N维数字从流图的一端流动到另一端的过程，就是人工智能神经网络进行分析和处理的过程。

二、相关概念

1、图（Graph）：

计算任务，也就是我们要做的一些操作 ；

2、会话（session）:

建立会话，此时会生成一张空图。在会话中添加节点和边，形成一张图。一个会话可以有多个图，通过执行这些图得到结果。

**如果把每个图看做一个车床，那会话就是一个车间，里面有若干个车床，用来把数据（tensor）生产成结果。 **

3、tensor：

用来表示数据，是我们的原料。

4、变量（variable）：

用来记录一些数据和状态，是我们的容器。

5、Feed和Fetch：

可以任意的操作、赋值或从其中获取数据，相当于一些铲子，可以操作数据。

6、形象比喻：

把会话看作车间，图看作车床，里面用tensor作原料，变量作容器，feed和fetch作铲子，把数据加工成我们需要的结果。