Tensorflow深度学习框架(1)

其实Tensroflow一词已经包含它最重要的两个概念,即Tensor和Flow.Tensor就是张量的意思,张量可以简单的理解为多维数组,C系列的数组是如此可爱,以至于一不小心就会出现数组下标调用越界,用数组名为参数做为参数调用函数出现内存方面的错误,然而在java中已经将数组的功能进行很好的优化直接将其声明一个新对象,存储在对象中就可以了!而后在Python中直接将数组的概念虚拟化了,直接变成了字典(Dictionary)而且添加更多的功能比如切片,批处理数据等.如果说Tensor已经代表了数据结构,那么Flow则体现了它的计算模型.Flow的中文翻译就是’流’的意思!它非常直观的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中每一个计算都是计算图上的一个节点,而节点之间的边描述了计算之间的依赖关系.
先列一些框架里面常用来生成随机数生成函数:

其中第一个tf.random_normal与第三个tf.random_uniform这两个比较常用,一般对于训练模型较小或者深度层次在五层一下的训练模式用的最多是平均分布,比如在训练模式针对于检验工厂产出零件尺寸是否合格应用正太分布函数.
第一节先总结这一点～