tensorflow中的基本概念

本文是在阅读官方文档后的一些我的理解。

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

 

关于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.

类比：一个神经元有多个输入，一个或者多个输出。这里的OP能够看做神经元，tensor能够看做输入的数据。

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是一个数组，每一个数组元素是多维的，其实就是一个矩阵。

 

TensorFlow程序的阶段

TensorFlow程序一般被组织成一个构建阶段和一个执行阶段。在构建阶段，op 的执行步骤被描述成一个图。在执行阶段，使用会话执行执行图中的op。

阶段一：如何构建图？

1.构建图从建立op开始。有些op的建立是不须要input的，好比Constant。这样的op被成为源op（source op）。
2.在python中op对象是由op构造器（ops constructors）建立的。op构造器建立一个op对象时能够传递一个源op做为待构造op对象的输入。
3.op对象被op构造器建立后是做为一个node加入到graph中的。TensorFlow Python 库有一个默认图 (default graph), op 构造器能够为其增长节点。这个默认图对许多程序来讲已经足够用了。

总结：由于graph是由op对象组成的，因此构建图的过程其实就是建立op对象的过程，以及若是将这些个op对象链接起来（好比某个op对象做为另外某个op对象的输入）的过程。

阶段二：图构建好了，如何执行？

1.由于graph须要在session中启动。因此为了启动一个graph，第一步就是建立session对象。
2.sessoin对象建立的时候若是不制定graph，则使用默认图（default graph）。

 

对Variable的理解

变量用于维护图执行过程当中的状态信息。

一般会将一个统计模型中的参数表示为一组变量。 例如, 你能够将一个神经网络的权重做为一个tensor存储在某个变量中。在训练过程当中, 经过重复运行训练图，更新这个 tensor。

 

对feeds和fetches的理解

能够为任意的op赋值或者从其中获取数据。

 

对于tensor、Constants、Variables三者的理解

tensor存储在Constants或者Variables。就像数据能够放在常量和变量中同样。放在变量中的数据是能够修改的，放在常量中的数据是不能够修改的。

常量op也算是op吧，只是比较简单而已。