TensorFlow系列——1、TensorFlow基础

TensorFlow的主要技术特性

类别	说明
编程模型	数据流模型
语言	Python、C++、Go、Rust、Haskell、Java、Julia、JavaScript、R
部署	一次编写，各处运行
计算资源	CPU、GPU、TPU
实现方式	单机、分布式
平台支持	谷歌云平台、Hadoop分布式文件系统
数学表达	数学计算图表达、自动微分
优化	共同子图消除、异步核优化、通信优化、模型并行、数据并行、管道

TensorFlow的核心概念

TensorFlow中的计算可以表示为一个有向图(directed graph) ,或者称为计算图(computation graph) ，其中每一个运算操作(operation) 将作为一个节点(node) ，节点与节点之间的连接称为边(edge)

计算图每个节点可以有任意多个输入和输出，每个节点描述了一种运算操作。在计算图的边中流动(flow)的数据被称为张量(tensor) ，故得名TensorFlow。

TensorFlow内建运算操作

类型	示例
标量运算	Add、Sub、Mul、Div、Exp、Log、Greater、Less、Equal
向量运算	Concat、Slice、Split、Constant、Rank、Shape、Shuffle
矩阵运算	MatMul、MatrixInverse、MatrixDeterminant
带状态的运算	Variable、Assign、AssignAdd
神经网络组件	SoftMx、Sigmoid、Relu、Convolution2D、MaxPooling
存储与恢复	Save、Restore
队列及同步运算	Enqueue、Dequeue、MutexAcquire、MutexRelease
控制流	Merge、Switch、Enter、Leave、NextIteration