2023學年完整公開課版TensorFlow的介紹1

TensorFlow的介紹-11.了解TensorFlow的含義及其數(shù)據(jù)結(jié)構(gòu)

2.了解TensorFlow的網(wǎng)絡(luò)實現(xiàn)方式與優(yōu)點累加器1TensorFlow的數(shù)據(jù)結(jié)構(gòu)2TensorFlow的含義1TensorFlow的優(yōu)點4TensorFlow的網(wǎng)絡(luò)實現(xiàn)方式3PART1TensorFlow的含義TensorFlow的含義TensorFlow是谷歌基于DistBelief研發(fā)的第二代人工智能學習系統(tǒng)，其命名來源于本身的運行原理。Tensor(張量)意味著n維數(shù)組，F(xiàn)low（流）意味著基于數(shù)據(jù)流圖的計算，TensorFlow為張量從圖像的一端流動到另一端的計算過程。TensorFlow是將復(fù)雜的數(shù)據(jù)結(jié)構(gòu)傳輸至人工智能神經(jīng)網(wǎng)中進行分析和處理的系統(tǒng)。TensorFlow的含義TensorFlow表達了高層次的機器學習計算，大幅簡化了第一代系統(tǒng)，并且具備更好的靈活性和可延展性。TensorFlow的一大亮點是支持異構(gòu)設(shè)備分布式計算，它能夠在各個平臺上自動運行模型，從單一CPU/GPU到成百上千個GPU卡組成的分布式系統(tǒng)。從目前的文檔看，TensorFlow支持CNN、RNN和LSTM算法，擁有C++/Python編程接口，這些都是目前在Image、Speech和NLP上最流行的深度神經(jīng)網(wǎng)絡(luò)模型。PART2TensorFlow的數(shù)據(jù)結(jié)構(gòu)TensorFlow的數(shù)據(jù)結(jié)構(gòu)TensorFlow的數(shù)據(jù)結(jié)構(gòu)是tensor，它相當于n維的array或list，與MXNet類似，都采用以Python調(diào)用的形式展現(xiàn)出來。某個定義好的tensor的數(shù)據(jù)類型是不變的，但是維度可以動態(tài)改變。用tensorrank和tensorshape來表示它的維度（例如rank為2可以被看成矩陣，rank為1可以被看成向量）。tensor特別的地方在于，在TensorFlow構(gòu)成的網(wǎng)絡(luò)中，tensor是唯一能夠傳遞的類型，而類似于array，list這些類型則不能被當成輸入。PART3TensorFlow的網(wǎng)絡(luò)實現(xiàn)方式TensorFlow的網(wǎng)絡(luò)實現(xiàn)方式TensorFlow的網(wǎng)絡(luò)實現(xiàn)方式選擇的是符號計算方式，它的程序分為計算構(gòu)造階段和執(zhí)行階段。計算構(gòu)造階段是構(gòu)造出計算圖（ComputationGraph）。PART4TensorFlow的優(yōu)點TensorFlow的優(yōu)點TensorFlow功能很齊全，能夠搭建的網(wǎng)絡(luò)很豐富，而不像Caffe僅僅局限在CNN。

TensorFlow的深度學習部分，能夠在一個模型中堆積許多不同的模型和變換，能夠在一個模型中方便地處理文本、圖片、規(guī)則分類及連續(xù)變量，同時實現(xiàn)多目標和計算多損失函數(shù)的工作。TensorFlow的管道部分能夠?qū)?shù)據(jù)處理和機器學習放在一個框架中，由TensorFlow來指定計算圖運