一、数据流图
tensorflow数据流图是一种声明式编程范式(结构化、抽象化)。
数据流图优势:
1.并行计算快(可执行队列和拓扑排序);
2.分布式计算快;
3.预编译优化;
4.可移植性好。
二、张量
张量:表示高维数据的抽象。
tensorflow中,张量表示某种相同数据类型的多维数组。
属性:1.数据类型;2.数组形状。
Tensorflow张量是什么?
张量是用来表示多维数据的;
张量是执行操作时的输入或输出数据;
用户通过执行操作来创建或计算张量;
张量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。
几类特殊张量:
tf.constant //常量
tf.placeholder //占位符,需要在图外填充数据
tf.Variable //变量
三、变量
主要作用是维护节点的状态。
tf.Variable方法是操作,返回值是变量(特殊张量)。
张量的生命周期随依赖的计算完成而结束,内存随之释放;
tensorflow(一)数据流图、张量、变量、操作、会话、优化器
最新推荐文章于 2022-10-21 21:36:36 发布
本文介绍了Tensorflow的数据流图编程范式,强调其并行计算和分布式计算的优势。接着,阐述了张量的概念,包括常量、占位符和变量等特殊张量的用途。详细讲解了变量在模型参数更新中的作用,以及操作节点的分类。此外,还提及会话作为执行计算任务的环境,以及优化器在Tensorflow训练中的重要性。
摘要由CSDN通过智能技术生成