第二天的学习内容:
1.Tensor Flow 技术特性:
(1).编程模型:数据流模型
(2).语言:python、C++、Go、Rust、Java等
(3).部署:Code once,run everywhere(一次编写,各处运行)
(4).计算资源:CPU(中央处理器,超大规模的集成电路)、GPU(图形处理器,用于个人电脑、游戏机和一些移动设备上图像运算工作的微处理器)、TPU(Tensor Processing Unit,张量(在计算图的边中流动的数据)计算单元,主要用作推断->谷歌为深度学习计算定制的芯片)
(5).实现方式:单机实现和分布式实现
(6).平台支持:谷歌云平台、Hadoop(由Apache基金会所开发的分布式系统基础框架)分布式文件系统
(7).数字表达:数学计算图表达、自动微分(不太明白,求指点)
(8).优化:共同子图消除(没弄懂)、异步核(不同的核心可以以相同或不同频