什么是TensorFlow

TensorFlow，顾名思义，是“流动的张量”。TensorFlow的数据流图是由节点（node）和边（edge）组成的有向无环图（DAG）。TensorFlow由Tensor和Flow两部分组成，Tensor（张量）代表了数据流图中的边，而Flow（流动）这个动作就代表了数据流图。

TensorFlow的边有两种连接关系：数据依赖和控制依赖。其中实线边表示数据依赖，表示张量（数据）的传递；虚线边表示控制依赖，用于控制操作的运行，边上没有数据流过，仅用于保证源节点必须在目的节点开始执行前完成执行。

在机器学习中，张量在数据流图中从前往后流动一遍就完成一次前向传播（forward propagation），而残差从后向前流动一遍则完成一次反向传播（backward propagation）。

数据流图（DAG）中的节点又称为算子，它代表一个操作（operation，OP），一般用来表示施加的数学运算，也可以表示数据输入（feed in）的起点以及输出（push out）的终点，或者是读取/写入持久变量（persistent variable）的终点。

一个TensorFlow的例子

TensorFlow的运行方式

TensorFlow的运行方式分成4步：

  • 加载数据及定义超参数
  • 构建网络
  • 训练数据
  • 评估模型和进行预测

示例代码