TensorFlow常见名词解释

定义

1. Tensorflow是一种计算图模型，即用图的形式来表示运算过程的一种模型。
2. Tensorflow程序一般分为图的构建和图的执行两个阶段。
3. 图的构建阶段也称为图的定义阶段，该过程会在图模型中定义所需的运算，每次运算的的结果以及原始的输入数据都可称为一个节点（operation ，缩写为op）。
4. 图的执行阶段：在会话（session）中执行图模型中定义好的运算。

张量（tensor）

用来表示Tensorflow程序中的所有数据，主要由三个属性构成：Name、Shape和Type。Name代表的是张量的名字，Shape代表的是张量的维度，Type表示的是张量的类型。需要注意的是要保证参与运算的张量类型相一致，否则会出现类型不匹配的错误。

常量

常量的初始化，不管是对数值、向量还是对矩阵的初始化，都是通过调用constant()函数实现的。常用的方法tf.random_normal()、tf.truncated_normal()、tf.random_uniform()、tf.random_shuffle()等

变量

1. 变量使用的是variable()，变量的作用是保存和更新参数。执行图模型时，一定要对变量进行初始化，经过初始化后的变量才能拿来使用。变量的使用包括创建、初始化、保存、加载等操作。
2. 初始化变量的三种方式：初始化全部变量、初始化变量的子集以及初始化单个变量。首先，global_variables_initializer()方法是不管全局有多少个变量，全部进行初始化