TensorFlow笔记之基础总结

本文主要对TensorFlow的基础知识做一下总结回顾

1. 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。