Chapter 4 TensorFlow基礎知識

系統架構

沒看懂，大概也不需要懂吧。

設計理念

tensorflow採用符號式編程。符號式計算一般是先定義各種變數，然後建立一個數據流圖，在數據流圖中規定各個變數之間的計算關係，最後需要對數據流圖進行編譯，但此時的數據流圖還是一個空殼兒，裡面沒有任何實際數據，只有把需要運算的輸入放進去後，才能在整個模型中形成數據流，從而形成輸出值。mu：tf --> 數學的代數，計算圖 --> 定義代數式、函數等，session --> 賦值進行數值運算。

舉個例子：

import tensorflow as tf

t = tf.add(8,9)

print(t)

#輸出

Tensor("Add:0", shape=(), dtype=int32)

並沒有輸出期待的17，而是一個tensor。想要輸出結果，就需要運行會話session.

import tensorflow as tf

a = tf.constant([1.0, 2.0])

b = tf.constant([3.0, 4.0])

c = a * b

sess = tf.Session()

print(sess.run(c))

sess.close()

#輸出

[ 3. 8.]

編程模型

圖的計算過程是：

輸入，塑形

ReLu層：參數 W_h1, b_h1，輸出前使用ReLu（Rectified Linear Units）激活函數做非線性處理

Logit層：參數 W_sm, b_sm

Sofrmax計算輸出累唄概率分布

交叉熵計算源樣本和輸出結果的相似性

計算梯度 W_hl, b_hl, W_sm, b_sm

SGD訓練：反向傳播從上往下計算每層的參數

一些概念

邊：實線標識數據依賴的邊，虛線表示控制

節點：運算元，代表一種操作

tensorflow支持的張量數據類型

一些tensorflow實現的運算元

圖：把操作任務描述成有向無環圖（便於理解？）

會話：Session

參考《TensorFlow技術解析與實戰》

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！