Tensorflow基本:
- 使用图 (graph) 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 tensor 表示数据.
- 通过 变量 (Variable) 维护状态.
- 使用 feed 和 fetch 为任意操作输入和输出数据.
基本使用
- 综述
- 使用图来表示计算任务,图中的节点称为op(operation),图必须在会话里被启动,会话将图的op分发到诸如cpu或者gpu之类的设备上,同时执行ip的方法。方法执行后返回tensor(返回的tensor是numpy对象)
- 一个op输入n个tensor 输出n个tensor(n >=0)
- tensor 是一个类型化的多维数组,Tensorflow程序中使用tensor代表所有数据。
- 计算图
tensorflow程序通常被组织成一个构建阶段,和一个执行阶段。在构建阶段,op的执行步骤被描述成一个图(图用来表示计算任务),在执行阶段,使用会话执行图中的op.
通常在构建阶段创建一个图来表示和训练神经网络,然后再执行阶段反复执行图中的训练op. - 构建图
- 第一步 创建源op(source op).源op不需要任何输入,例如常量constant.源的输出被传递给其他op做输入.
- Python库中,op构造器的返回值代表被构造出的op输出,这些返回值可以传递给其他的op构造器作为输入.
- tensorflow Python库中有一个默认图(default graph),op构造器可以为其增加节点.
构建的图必须在会话中启动<