本文详细介绍了TensorFlow的基础知识，包括系统架构、设计理念、编程模型和常用API。重点讲解了数据流图的概念，强调了TensorFlow的符号式编程特点，以及图的创建、执行和会话的使用。此外，还讨论了变量、内核、设备、变量作用域等核心概念，以及批标准化、神经元函数和优化方法。最后，阐述了模型的存储与加载，队列、线程的管理，以及数据的加载方法。
第4章 TensorFlow基础知识
本章主要参考TensorFlow官方网站上的新手入门[1]和扩展教程[2]，讲解TensorFlow的基本概念。本章从系统架构、设计理念、编程模型、常用API、存储与加载模型、线程及队列、加载数据、自定义操作等多个方面进行讲解，相信通过本章的学习，读者会对TensorFlow的全貌有一个基本的认识。本章的学习对理解TensorFlow的原理和实战非常重要，读者需要用心揣摩。
4.1 系统架构
图4-1给出的是TensorFlow的系统架构，自底向上分为设备层和网络层、数据操作层、图计算层、API层、应用层，其中设备层和网络层、数据操作层、图计算层是TensorFlow的核心层。[3]
下面就自底向上详细介绍一下TensorFlow的系统架构。最下层是网络通信层和设备管理层。网络通信层包括gRPC（google Remote Procedure Call Protocol）和远程直接数据存取（Remote Direct Memory Access，RDMA），这都是在分布式计算时需要用到的。设备管理层包括TensorFlow分别在CPU、GPU、FPGA等设备上的实现，也就是对上层提
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
