TensorFlow 編程基礎

• TensorFlow™ 是一個開放源代碼軟件庫，用於進行高性能數值計算
• 藉助其靈活的架構，用戶能夠輕鬆地將計算工做部署到多種平臺
（CPU、GPU、TPU）和設備（桌面設備、服務器集羣、移動設備、邊
緣設備等）
• TensorFlow™ 最初是由 Google Brain 團隊（隸屬於 Google 的 AI
部門）中的研究人員和工程師開發的，可爲機器學習和深度學習提供
強力支持

TensorFlow 的Hello world：

計算圖：

TensorFlow = Tensor + Flow

Tensor 張量
數據結構：多維數組

Flow 流
計算模型：張量之間經過計算而轉換的過程

TensorFlow是一個經過 計算圖的形式表述計算的編程系統
每個計算都是計算圖上的一個節點
節點之間的邊描述了計算之間的關係

計算圖是一個有向圖，由如下內容構成：
　　• 一組節點，每一個 節點都表明一個 操做，是一種 運算
　　• 一組有向邊，每條 邊表明節點之間的 關係（數據傳遞和
控制依賴）

計算圖（數據流圖）的概念
TensorFlow有兩種邊：
　　• 常規邊（實線）：表明數據依賴關係。一個節點的運算輸出成
　　爲另外一個節點的輸入，兩個節點之間有tensor流動（ 值傳遞）
　　• 特殊邊（虛線）：不攜帶值，表示兩個節點之間的 控制相關性。
　　好比， happens- - before 關係，源節點必須在目的節點執行前完
　　成執行

張量：

• 在TensorFlow中，全部的數據都經過張量的形式來表示
• 從功能的角度，張量能夠簡單理解爲多維數組
　　零階張量表示 標量（scalar），也就是 一個數；
　　一階張量爲 向量（vector），也就是 一維數組；
　　n n 階張量能夠理解爲一個n n 維數組；
• 張量並無真正保存數字，它保存的是計算過程

　　張量的屬性：

名字（ name ）
「node:src_output」：node 節點名稱，src_output 來自節點的第幾個輸出
形狀（ shape ）
張量的維度信息， shape=() ，表示是標量

類型（ type ）
每個張量會有一個惟一的類型
TensorFlow會對參與運算的全部張量進行類型的檢查，發現類型不匹配時會報錯

階爲1的張量等價於向量；
階爲2的張量等價於矩陣，經過 t[ i,j ] 獲取元素；
階爲3的張量，經過 t[ i,j,k ] 獲取元素；

 

 操做：