TensorFlow 支持 C, C++, Python 编程语言，只是python的辅助函数更全。
1、由python或者C等其他语言构建图（图描述计算过程），图由各种操作（OP）组成，注意这边的操作不一定是做数据做怎样的加减乘除，比如input1 = tf.constant(3.0)，则其中的constant()也是一种操作。操作的输入和输出都可以是零个或者几个tensor。
2、图由session启动，绘画将各种的OP分配到CPU或者GPU上面运行。执行之后，在 Python 语言中, 返回的 tensor 是numpyndarray对象; 在 C 和 C++ 语言中, 返回的 tensor 是tensorflow::Tensor实例.
3、构件图的第一步是构建源OP，源 op 不需要任何输入, 例如常量 (Constant). 源 op 的输出被传递给其它 op 做运算.
4、TensorFlow Python 库有一个默认图 (default graph), op 构造器可以为其增加节点. 这个默认图对许多程序来说已经足够用了.
注意：一般你不需要显式指定使用 CPU 还是 GPU, TensorFlow 能自动检测. 如果检测到 GPU, TensorFlow会尽可能地利用找到的第一个 GPU 来执行操作. 如果机器上有超过一个可用的 GPU, 除第一个外的其它 GPU 默认是不参与计算的. 为了让 TensorFlow 使用这些 GPU, 你必须将 op 明确指派给它们执行.with...Device语句用来指派特定的 CPU 或 GPU执行操作:
5、交互式使用：可以使用InteractiveSession代替Session类, 使用Tensor.eval()和Operation.run()方法代替Session.run()
6、fetch:取回操作的输出内容tensor，用sess.run()，eg. result = sess.run([mul, intermed])
7、Feed，提供 feed 数据作为run()调用的参数.feed 只在调用它的方法内有效, 方法结束, feed 就会消失. 最常见的用例是将某些特殊的操作指定为 "feed" 操作,标记的方法是使用 tf.placeholder() 为这些操作创建占位符.：
1、使用图 (graph) 来表示计算任务。
2、在被称之为会话 (Session)的上下文 (context) 中执行图.
3、使用 tensor 表示数据。
4、通过变量 (Variable)维护状态.
5、使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据.
网友评论