tensorflow中的基本概念

本文是在閱讀官方文檔後的一些我的理解。

官方文檔地址：https://www.tensorflow.org/versions/r0.12/get_started/basic_usage.html#basic-usage

 

關於tensor和op的理解

Nodes in the graph are called ops (short for operations).
An op takes zero or more Tensors, performs some computation, and produces zero or more Tensors.

類比：一個神經元有多個輸入，一個或者多個輸出。這裏的OP能夠看做神經元，tensor能夠看做輸入的數據。

In TensorFlow terminology, a Tensor is a typed multi-dimensional array.
For example, you can represent a mini-batch of images as a 4-D array of floating point numbers with dimensions [batch, height, width,channels].

tensor是一個數組，每一個數組元素是多維的，其實就是一個矩陣。

 

TensorFlow程序的階段

TensorFlow程序一般被組織成一個構建階段和一個執行階段。在構建階段，op 的執行步驟被描述成一個圖。在執行階段，使用會話執行執行圖中的op。

階段一：如何構建圖？

1.構建圖從建立op開始。有些op的建立是不須要input的，好比Constant。這樣的op被成爲源op（source op）。
2.在python中op對象是由op構造器（ops constructors）建立的。op構造器建立一個op對象時能夠傳遞一個源op做爲待構造op對象的輸入。
3.op對象被op構造器建立後是做爲一個node加入到graph中的。TensorFlow Python 庫有一個默認圖 (default graph), op 構造器能夠爲其增長節點。這個默認圖對許多程序來講已經足夠用了。

總結：由於graph是由op對象組成的，因此構建圖的過程其實就是建立op對象的過程，以及若是將這些個op對象鏈接起來（好比某個op對象做爲另外某個op對象的輸入）的過程。

階段二：圖構建好了，如何執行？

1.由於graph須要在session中啓動。因此爲了啓動一個graph，第一步就是建立session對象。
2.sessoin對象建立的時候若是不制定graph，則使用默認圖（default graph）。

 

對Variable的理解

變量用於維護圖執行過程當中的狀態信息。

一般會將一個統計模型中的參數表示爲一組變量。 例如, 你能夠將一個神經網絡的權重做爲一個tensor存儲在某個變量中。在訓練過程當中, 經過重複運行訓練圖，更新這個 tensor。

 

對feeds和fetches的理解

能夠爲任意的op賦值或者從其中獲取數據。

 

對於tensor、Constants、Variables三者的理解

tensor存儲在Constants或者Variables。就像數據能夠放在常量和變量中同樣。放在變量中的數據是能夠修改的，放在常量中的數據是不能夠修改的。

常量op也算是op吧，只是比較簡單而已。