TensorFlow

关于TensorFlow

• TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库

• 节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）

• 它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等

• TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域

什么是数据流图（Data Flow Graph）?

• 数据流图用"结点"（nodes）和"线"(edges)的有向图来描述数学计算

• "节点" 一般用来表示施加的数学操作，但也可以表示数据输入（feed in）的起点/输出（push out）的终点，或者是读取/写入持久变量（persistent variable）的终点

• "线"表示"节点"之间的输入/输出关系,这些数据”线”可以输运”size可动态调整”的多维数据数组，即"张量"（tensor）

• 张量从图中流过的直观图像是这个工具取名为”Tensorflow”的原因。一旦输入端的所有张量准备好，节点将被分配到各种计算设备完成异步并行地执行运算

TensorFlow安装

[root@sparsematrix ~]# pip install -i https://pypi.douban.com/simple/ tensorflow

运行一个TensorFlow演示模型

# -*- coding: utf-8 -*-

import tensorflow as tf

hello = tf.constant('hello,TensorFlow!')
sess = tf.Session()
print sess.run(hello)

a = tf.constant(10)
b = tf.constant(32)
print sess.run(a + b)

TensorFlow基础知识

• 使用图(graphs)来表示计算
• 在会话(Session)中执行图
• 使用张量(tensors)来代表数据
• 通过变量(Variables)维护状态
• 使用供给(feeds)和取回(fetches)将数据传入或传出任何操作

概述

• TensorFlow是一个以图(graphs)来表示计算的编程系统，图中的节点被称之为operation
• 一个op获得零或多个张量(tensors)执行计算，产生零或多个张量
• 张量是一个按类型划分的多维数组

• 你可以将将小组图像集表示为一个思维浮点数数组，这四个维度分别是[batch,height,width,channels]

• TensorFlow的图是一种对计算的抽象描述

• 在计算开始前，图必须在会话(Session)中被启动，会话将图的op分发到如CPU或GPU之类的设备上，同时提供执行op的方法，这些方法执行后，将产生张量(tensor)返回

计算图

• TensorFlow可按两个阶段组织起来：构建阶段和执行阶段，前者用于组织计算图，后者利用session中执行计算图中的op操作
• 例如：在构建阶段创建一个图来表示和训练神经网络，然后在执行阶段反复执行一组op来实现图中的训练
• TensorFlow支持C、C++、Python编程语言

构建计算图

• 基于op建立图的时候一般不需要任何的输入源(source op),例如输入常量(Constance)，再将他们传递给其他op执行运算