TensorFlow是用于表示某种类型的计算抽象（“计算图”）的框架。TensorFlow的流程：构建计算图->会话。计算图在变量内部，它处在全局命名空间内。
- 计算图：全局数据结构，捕获有关计算方法的指令，只包含计算步骤，不包含计算结果。
- 会话：处理没存分配和优化，使我们能够实际执行由图形指定的计算。
TensorFlow中的数据类型有三种：tf.constant(每次运行都一样)、tf.placeholder(每次运行都不一样)、tf.get_variable()(可以更新成新值)。
Tensorflow的设计理念主要体现在两个方面：
- 将图的定义何运算分开
- 涉及到的运算都在图中进行，而图的运行只能在会话中进行。
TensorFlow的特点：
- 高度灵活性
- 可移植性
- 多语言支持
- 丰富的算法库
TensorFlow的整个系统从底层到上层分为七层：
- 设备层：硬件计算资源
- 网络层：支持两种通信协议
- 数值计算层：提供最基础的计算
- 高维计算层：数据的计算都以数组的形式计算
- 计算图层：用来设计神经网络的结构
- 工作流层：提供轻量级的框架调用
- 构造层：最后构造的深度学习网络可以通过tenboard服务端可视化
网友评论