TensorFlow基础知识（一）

TensorFlow 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。

一、TensorFlow系统架构

TensorFlow的系统架构自底向上分为设备层和网络层、数据操作层、图计算层、API层、应用层，其中设备层和网络层、数据操作层、图计算层是TensorFlow的核心层。如下图所示：

图 1.1 TensorFlow架构图

二、设计理念

TensorFlow的设计理念主要体现在两个方面：
第一、将图的定义和图的运行完全分开。

第二、TensorFlow中涉及的运算都要放在图中，而图的运行只是发生在会话（session）中。开启会话后，就可以用数据去填充节点，进行运算；关闭会话后，就不能进行计算了。因此会话提供了操作运行和Tensor求值的环境。例如具体代码：

import tensorflow as tf
#创建图
a=tf.constant([1.0,2.0])
b=tf.constant([1.0,2.0])
c = a * b

#创建会话
sess=tf.Session()

#计算c
print(sess.run(c))  #进行矩阵乘法，输出[3.0,8.0]
sess.close()

三、TensorFlow的编程模型