首页 理论教育深入了解TensorFlow的基本概念

深入了解TensorFlow的基本概念

【摘要】:图8-6张量的表现形式数据流为了让TensorFlow可以支持不同的程序设计程序语言接口,并且让TensorFlow程序可以在各种平台执行,所有的TensorFlow程序都是先建立“计算图”,这是张量运算和数据处理的流程。可以使用TensorFlow提供的模块以不同的程序设计语言建立“计算图”。如图8-7所示,这是典型的“计算图”功能很简单,其算式为y=MatMul(x,w)+b。图8-7TensorFlow计算图在上面的“计算图”中:节点代表运算,而边代表张量的数据流。

(1)张量

数学里,张量是一种几何实体或广义上的“数量”,在此“数量”包含“标量、向量或矩阵”。零维的张量为标量,一维的张量是向量,二维以上的张量是矩阵,如图8-6所示。

图8-6 张量的表现形式

(2)数据流

为了让TensorFlow可以支持不同的程序设计程序语言接口,并且让TensorFlow程序可以在各种平台执行,所有的TensorFlow程序都是先建立“计算图”,这是张量运算和数据处理的流程。

可以使用TensorFlow提供的模块以不同的程序设计语言建立“计算图”。TensorFlow提供的模块非常强大,可以设计张量运算流程,并且构建各种深度学习或机器学习模型。捡来“计算图”完成后,可以在不同的平台上执行“计算图”。

如图8-7所示,这是典型的“计算图”功能很简单,其算式为y=MatMul(x,w)+b。其中,x、w、b都是张量,w与b线使用随机数进行初始化,使用MatMul将x与w进行张量乘积,再加上b,最后结果是y。

图8-7 TensorFlow计算图

在上面的“计算图”中:节点(node)代表运算,而边(edge)代表张量的数据流。可以想象边就是管线,张量(数据)在管线中流动。经过节点运算后,转换成不同的张量(数据)。