TensorFlow学习笔记1

1、TensorFlow：谷歌第二代人工智能学习系统

2、TensorFlow顾名思义Tensor+Flow。Tensor的意思是张量，Flow的意思是流动，合起来就是张量的流动。

3、系统架构及编程模型。其中系统架构如图1所示，编程模型如图2所示。

   

图1 TensorFlow系统架构图

图2 TensorFlow编程模型

4、TensorFlow框架可以分为三个部分

    ① 数据模型

    ② 计算模型

    ③ 运行模型

5、数据模型——张量和节点

    ① TensorFlow中所有的数据都通过张量（tensor）的形式表示。

    ② 张量 ≈ 多维数组

    ③ 张量只是对TensorFlow中运算结果的引用，不存真实数据，只保存计算过程。

    ④ 张量的作用1：引用中间计算结果。

    ⑤ 张量的作用2：获得计算结果。

    ⑥ 图中的节点又称为算子，它代表一个操作（operation， OP），一般用来表示施加的数学运算，也可以表示数据输入（feed in）的起点以及输出（push out）的终点，或者是读取/写入持久变量（persistent variable）的终点。

6、计算模型——计算图和边

    ① TensorFlow程序一般分两个阶段：定义计算图中的计算-->执行计算。

    ② Flow（“流”）：表达了张量之间通过计算相互转换的过程。

    ③ TensorFlow 的边有两种连接关系：数据依赖和控制依赖。实线边表示数据（张量）依赖，即依赖上级节点的张量。 虚线边表示控制依赖，可以用于控制操作的运行，这被用来确保 happens-before 关系，这类边上没有数据流过，但源节点必须在目的
节点开始执行前完成执行。

7、运行模型——会话

    ① 执行定义好的计算。

    ② 会话拥有并管理TensorFlow程序运行时的所有资源。

8、TensorFlow的设计理念。它采用符号式编程，详情可以参考图3。

图3 TensorFlow符号式编程详解图