本文主要对TensorFlow的基础知识做一下总结回顾
计算图:计算模型
计算图概念
TensorFlow的所有计算都会被转化为计算图上的节点。
Tensor就是张量。可以简单理解为多维数组,表明了它的数据结构,Flow就是“流”,它直观地表达了张量之间通过计算相互转化的过程。
TensorFlow是一个通过计算图的形式来表述计算的编程系统。TensorFlow的每一个计算都是计算图上的一个节点,而节点之间的边表述了计算之间的依赖关系。如果一个运算的输入依赖于另一个运算的输出,那这两个运算有依赖关系。计算图的使用
TensorFlow程序一般可以分为两个阶段。第一个阶段需要定义计算图中所有的计算;第二个阶段为执行计算。在这个过程中,TensorFlow会自动将定义的计算转化为图上的节点。
tf.get_default_graph()
可以获取当前默认的计算图。 TensorFlow可以使用tf.Graph()
来生成新的计算图,不同计算图上的张量和运算都不会共享。
tf.Graph.device()
函数可以来指定运行计算的设备。tf.Graph.device('/gpu:0')
可以将计算跑在GPU上。
通过集合(collection
)可以管理不同类别的资源。tf.add_to_collection()
函数可以将资源加入一个或多个集合中,然后通过tf.get_collection()
获取一个集合里面的所有资源。
这里的资源可以是张量、变量或者队列资源。