Chapter 4 TensorFlow基础知识

系统架构

没看懂，大概也不需要懂吧。

设计理念

tensorflow采用符号式编程。符号式计算一般是先定义各种变量，然后建立一个数据流图，在数据流图中规定各个变量之间的计算关系，最后需要对数据流图进行编译，但此时的数据流图还是一个空壳儿，里面没有任何实际数据，只有把需要运算的输入放进去后，才能在整个模型中形成数据流，从而形成输出值。mu：tf --> 数学的代数，计算图 --> 定义代数式、函数等，session --> 赋值进行数值运算。

举个例子：

import tensorflow as tf

t = tf.add(8,9)

print(t)

#输出

Tensor("Add:0", shape=(), dtype=int32)

并没有输出期待的17，而是一个tensor。想要输出结果，就需要运行会话session.

import tensorflow as tf

a = tf.constant([1.0, 2.0])

b = tf.constant([3.0, 4.0])

c = a * b

sess = tf.Session()

print(sess.run(c))

sess.close()

#输出

[ 3. 8.]

编程模型

图的计算过程是：

输入，塑形

ReLu层：参数 W_h1, b_h1，输出前使用ReLu（Rectified Linear Units）激活函数做非线性处理

Logit层：参数 W_sm, b_sm

Sofrmax计算输出累呗概率分布

交叉熵计算源样本和输出结果的相似性

计算梯度W_hl, b_hl, W_sm, b_sm

SGD训练：反向传播从上往下计算每层的参数

一些概念

边：实线标识数据依赖的边，虚线表示控制

节点：算子，代表一种操作

tensorflow支持的张量数据类型

一些tensorflow实现的算子

图：把操作任务描述成有向无环图（便于理解？）

会话：Session

参考《TensorFlow技术解析与实战》