TensorFlow教程 2 TensorFlow基础构架

2 TensorFlow基础构架

2.1 处理结构

Tensorflow的运算步骤是：

1. 首先要定义神经网络的结构。
2. 然后再把数据放入结构当中去运算和 training.

如图：

其中：Gradients是它的计算模块，上面的SGD是误差计算。

什么是TensorFlow？

TensorFlow是采用数据流图（data　flow　graphs）来计算, 所以首先我们得创建一个数据流流图, 然后再将我们的数据（数据以张量(tensor)的形式存在）放在数据流图中计算. 节点（Nodes）在图中表示数学操作,图中的线（edges）则表示在节点间相互联系的多维数据数组, 即张量（tensor). 训练模型时tensor会不断的从数据流图中的一个节点flow到另一节点, 这就是TensorFlow名字的由来.

张量（tensor):
` 张量有多种. 零阶张量为 纯量或标量 (scalar) 也就是一个数值. 比如 [1]
` 一阶张量为 向量 (vector), 比如 一维的 [1, 2, 3]
` 二阶张量为 矩阵 (matrix), 比如 二维的 [[1, 2, 3],[4, 5, 6],[7, 8, 9]]
` 以此类推, 还有 三阶 三维的 …

2.2 例子2

import tensorflow as tf
import numpy as np

## 1.构造实验数据
x_data = np.random.rand(100).astype(np.float32)
y_data = x_data * 0.1 + 0.3 # y与x的关系：权重 偏置

##