資料內(nèi)容：

基本使用

使用 TensorFlow, 你必須明白 TensorFlow

•使用圖 (graph) 來(lái)表示計(jì)算任務(wù).

•在被稱(chēng)之為會(huì)話 (Session)的上下文 (context) 中執(zhí)行圖.

•使用 tensor 表示數(shù)據(jù).

•通過(guò)變量 (Variable)維護(hù)狀態(tài).

•使用 feed 和 fetch 可以為任意的操作(arbitrary operation) 賦值或者從其中獲取數(shù)據(jù).

綜述

TensorFlow 是一個(gè)編程系統(tǒng), 使用圖來(lái)表示計(jì)算任務(wù). 圖中的節(jié)點(diǎn)被稱(chēng)之為 op (operation 的縮寫(xiě)). 一個(gè) op獲得 0 個(gè)或多個(gè) Tensor, 執(zhí)行計(jì)算, 產(chǎn)生 0 個(gè)或多個(gè) Tensor. 每個(gè) Tensor 是一個(gè)類(lèi)型化的多維數(shù)組. 例如, 你可以將一小組圖像集表示為一個(gè)四維浮點(diǎn)數(shù)數(shù)組, 這四個(gè)維度分別是 [batch, height, width, channels].

一個(gè) TensorFlow 圖描述了計(jì)算的過(guò)程. 為了進(jìn)行計(jì)算, 圖必須在會(huì)話里被啟動(dòng).會(huì)話將圖的 op 分發(fā)到諸如 CPU 或 GPU 之類(lèi)的設(shè)備上, 同時(shí)提供執(zhí)行 op 的方法. 這些方法執(zhí)行后, 將產(chǎn)生的 tensor 返回. 在 Python 語(yǔ)言中, 返回的 tensor 是numpy ndarray對(duì)象; 在 C 和 C++ 語(yǔ)言中, 返回的 tensor 是 tensorflow::Tensor實(shí)例.

計(jì)算圖

TensorFlow 程序通常被組織成一個(gè)構(gòu)建階段和一個(gè)執(zhí)行階段. 在構(gòu)建階段, op 的執(zhí)行步驟 被描述成一個(gè)圖. 在執(zhí)行階段, 使用會(huì)話執(zhí)行執(zhí)行圖中的 op.

例如, 通常在構(gòu)建階段創(chuàng)建一個(gè)圖來(lái)表示和訓(xùn)練神經(jīng)網(wǎng)絡(luò), 然后在執(zhí)行階段反復(fù)執(zhí)行圖中的訓(xùn)練 op.

TensorFlow 支持 C, C++, Python 編程語(yǔ)言. 目前, TensorFlow 的 Python 庫(kù)更加易用, 它提供了大量的輔助函數(shù)來(lái)簡(jiǎn)化構(gòu)建圖的工作, 這些函數(shù)尚未被 C 和 C++ 庫(kù)支持.

三種語(yǔ)言的會(huì)話庫(kù) (session libraries) 是一致的