快速入门tensorflow1.x_01

版权声明：原创文章转载请注明出处~ https://blog.csdn.net/PecoHe/article/details/89672824

TensorFlow是谷歌开源的基于数据流图的科学计算库，它适用于机器学习等人工智能领域。
相关链接：
[TensorFlow官网]
[TensorFlow Github]

---

1.TensorFlow的架构

• 前段(网络搭建)：编程模型，构造计算图，Python，C++，Java。
• 后端(网络训练)：运行计算图，C++。

TensorFlow具有高度的灵活性，真正的可移植性，多语言支持，性能最优化，社区内容丰富等优势特点。

2.TensorFlow中的基本概念

计算图Graph

计算图(Graph)描述了计算的过程，它是在前段完成的，并且可以通过tensorboard可视化出来。

• 声明一个图
  
• 保存和加载pb文件，pb文件包括网络结构和网络参数
  
  
• TensorBoard可视化计算图
  
  

会话Session

计算图的实际运算是在会话(Session)中进行的。会话将计算图的运算分发到设备(CPU OR GPU)上执行。

• 创建和关闭会话
  
• 注入机制

	sess.run()

• 指定设备

 	with tf.device("/gpu:0"):
 		...

• GPU资源分配(按需分配)

 	config = tf.ConfigProto()
 	config.gpu_options.allow_growth=True
 	sess = tf.Session(config = cnfig,...)

张量Tensor

在TensorFlow中所有节点之间传递的数据都是张量对象，对于图像而言，一般是一个四维张量(batch x height x width x channels)。

tf.constant()
tf.Variable()
tf.placeholder()

Operation

OP就是计算图中计算节点，输入输出都是张量。

Feed

通过feed可以在计算时为定义为placeholder类型的变量赋值，参数是一个字典类型的。