人工智能|TensorFlow|概念（人工智能 attention）

道本虚无，虚无生万物，物皆虚化

深度学习框架TensorFlow（简称TF）道术：架构之道，实战之术，干货不水，系列文章之概念篇，分享之，望你喜欢。

1、数据流图（Data Flow Graph）：TF使用有向图描述数学运算过程，有向图的节点表示数据运算操作，有向图的边表示数据流向，数据沿着边的动态流动过程，构成了TF的基本工作原理。

2、张量（Tensor）&变量（Variable）：Tensor是TF的基本数据结构，是一个N维数组（N=0,1,2,...），当N=0时，为标量，例：x=6；当N=1时，为向量，例：x=[6, 6]；当N=2时，为2维数组，例：x=[[6, 6],[6, 6]]；以此类推。Variable是保存和更新参数的内存缓冲区，用来存放Tensor。Tensor需要定义数据类型，如下表所示：

3、节点（Node）&操作（Op）：数据流图中的每个节点表示一种操作（Op），可以有多个输入和多个输出。TF内置了多种操作类型，可以定制化操作类型，如下表所示：

4、会话（Session）：TF分为两个阶段，一是使用Variable和Op构建数据流图，二是使用Session执行数据流图，Session将构建好的数据流图发送给Master，Master调度给Worker，Worker调用CPU、GPU、TPU等硬件执行数据流图，得出结果。

注：TF支持多种接口：Python、Java、Go、C++，本文样例均以Python表示。

未名小宇宙，一直在您身边，欢迎关注！