TensorFlow学习笔记：3、TensorFlow基本概念

TensorFlow学习笔记：3、TensorFlow基本概念

3.1 计算图与operation

Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow 代表着张量从图象的一端流动到另一端的计算过程，是将复杂的数据结构传输至人工智能神经网中进行分析和处理的过程。

TensorFlow 使用图(Graphs)来表示计算任务，图中的节点称之为 op(operation)，一个 op 可以获得 0 个或多个张量(Tensor)，通过创建会话(Session)对象来执行计算，产生 0 个或多个Tensor。所以，TensorFlow 的工作模式分为以下两步：定义计算图和在session中运行计算图。

类比：一个神经元有多个输入，一个或者多个输出。这里的op可以看作神经元，tensor可以看作输入的数据。

In TensorFlow terminology, a Tensor is a typed multi-dimensional array. For example, you can represent a mini-batch of images as a 4-D array of floating point numbers with dimensions [batch, height, width,channels].

tensor是一个数组，每个数组元素是多维的，其实就是一个矩阵。

这里写图片描述

3.2 TensorFlow程序设计基本步骤

TensorFlow程序通常被组织成一个构建阶段和一个执行阶段。在构建阶段，op 的执行步骤被描述成一个图。在执行阶段，使用会话执行执行图中的op。

（1）1阶段：如何构建图？

• 1.构建图从创建op开始。有些op的创建是不需要input的，比如Constant。这样的op被成为源op（source op）。
• 2.在python中op对象是由op构造器（ops constructors）创建的。op构造器创建一个op对象时可以传递一个源op作为待构造op对象的输入。
• 3.op对象被op构造器创建后是作为一个node加入到graph中的。TensorFlow Python 库有一个默认图 (default graph), op 构造器可以为其增加节点。这个默认图对许多程序来说已经足够用了。

总结：因为graph是由op对象组成的，所以构建图的过程其实就是创建op对象的过程，以及如果将这些个op对象连接起来（比如某个op对象作为另外某个op对象的输入）的过程。

（2）2阶段：图构建好了，如何执行？

• 1.因为graph需要在session中启动。所以为了启动一个graph，第一步就是创建session对象。
• 2.sessoin对象创建的时候如果不制定graph，则使用默认图（default graph）。

这里写图片描述