Tensorflow 处理结构   2017-08-25


Tensorflow 首先要定义神经网络的结构, 然后再把数据放入结构当中去运算 和 training.

计算图

因为 TensorFlow 是采用数据流图(data flow graphs)来计算, 所以首先我们得创建一个数据流图, 然后再将我们的数据(数据以张量(tensor)的形式存在)放在数据流图中计算.

  • Nodes 在图中表示数学操作
  • Edges 在图中则表示在节点间相互联系的多维数据数组,即张量(tensor)

训练模型时 tensor 会不断的从数据流图中的一个节点 flow 到另一节点, 这就是 TensorFlow 名字的由来.

Tensor 张量意义

张量(Tensor): 张量有多种.

  • 零阶张量为 纯量或标量 (scalar) 也就是一个数值. 比如 [1]
  • 一阶张量为 向量 (vector), 比如 一维的 [1, 2, 3]
  • 二阶张量为 矩阵 (matrix), 比如 二维的 [[1, 2, 3],[4, 5, 6],[7, 8, 9]]

以此类推, 还有 三阶 三维的 …

Reference


分享到:


  如果您觉得这篇文章对您的学习很有帮助, 请您也分享它, 让它能再次帮助到更多的需要学习的人. 您的支持将鼓励我继续创作 !
本文基于署名4.0国际许可协议发布,转载请保留本文署名和文章链接。 如您有任何授权方面的协商,请邮件联系我。

Contents

  1. 计算图
  2. Tensor 张量意义
  3. Reference