TensorFlow的编程模式

       17年， 18年由于人工智能的火爆，机器学习的算法，以及机器学习算法的框架也应运而生。其中，目前使用最多的深度学习框架，无疑是Google力推的tensorflow。

       提到tensorflow可能很多人都熟悉，但是它特有的变成模式和方法，对于传统的编码人员而言可能还需要一个适应的过程。就我个人而言，我个人比较喜欢这种变成模式。先把整体问题考虑清楚，然后跟踪流程、数据的处理细节。根据结果调整参数，流程，这才是机器学习算法调试的正确姿势。后续，我会用3-5次，来跟大家分享，我在tensorflow使用过程中的一些方法和技巧。今天，先说一下tensorflow内部的几个基本概念：

       

tensorflow的编程模式：

• 命令式编程 （torch）

• 符号式编程 （tensorflow）

命令式编程：

    容易理解；

设计较多的迁入和优化，运行速度同比提升

tensorflow的基础结构

    边： tensor

    Graph： 数据流图；

    Session ：  

数据模型： tensor（张量）

计算模型： Graph

运行模型： Session；