TensorFlow模块与APIs
TensorFlow架构
TensorFlow数据流图
数据流图优势:并行计算快、分布式计算快、预编译优化、可移植性好。
TensorFlow 张量
Q:TensorFlow张量是什么?
张量是用来表示多维数据的
张亮是执行操作时的输入或者输出数据
用户通过执行操作来创建或计算张量
张亮的形状不一定在编译时确定,可以在运行时通过形状推断计算得出
Q:TensorFlow张量操作的产生?
tf.constant ······································· //常量
tf.placeholder ······································· //占位符
tf.Variable ······································· //变量
TensorFlow变量
tensorflow变量(Variable)的主要作用是维护特定节点的状态,如深度学习或机器学习的模型参数
tf.Variable 方法是操作,返回值是变量(特殊张量)
通过tf.Variable方法创建的变量,与张量一样,可以作为操作的输入和输出。不同之处在于:
①张量的生命周通通常随依赖的计算完成而结束,内存也随之释放
②变量则常驻内存,在每一步训练时不断的更新其值,以实现模型参数的更新
变量的创建
注:变量和张量的区别在于运行完之后是否释放内存
Tensonflow变量的使用流程
使用Saver保存变量的示例
具体实例
新的生成目录
注:其中date里面存的为变量的实际值,meta存的为数据流图的结构,index村的为索引