tensorflow核心概念和原理介绍

作者: www.7163.com  发布:2019-11-02

关于 TensorFlow

TensorFlow 是七个应用数据流图(data flow graphs),用于数值总括的开源软件库。

节点(Nodes)在图中代表数学操作,图中的线(edges)则意味着在节点间相互联系的多维数据数组,即张量(tensor)。它灵活的架构让您能够在两种阳台上进展计算,比方台式计算机中的叁个或五个CPU(或GPU),服务器,移动设备等等。

TensorFlow 最早由Google大脑小组(从属于谷歌(Google)机器智能研讨单位)的研讨员和程序猿们开采出来,用于机器学习和纵深神经互连网方面包车型大巴商讨,但那几个系统的通用性使其也可布满用于其它计量领域。

骨干概念:数据流图

数据流图用“结点”(nodes)和“线”(edges)的有向图来描述数学总计。

“节点” 常常用来代表施加的数学操作,但也得以象征数据输入(feed in)的源点/输出(push out)的极限,或然是读取/写入长久变量(persistent variable)的终极。

“线”表示“节点”之间的输入/输出关系。这个数量“线”能够输运“size可动态调度”的多维数据数组,即“张量”(tensor)。

张量从图中流过的直观图疑似那么些工具取名称叫“Tensorflow”的缘由。后生可畏旦输入端的全体张量筹算好,节点将被分配到各个总括设备完结异步并行地进行运算。

图片 1

更详尽的介绍能够查阅tensorflow国语社区:

TensorFlow主假使由总结图、张量以至模型会话四个部分构成。

计算图

在编写程序时,大家都以一步一步计算的,每总计完一步就能够拿走一个施行结果。

在TensorFlow中,首先供给营造贰个总计图,然后依照总括图运转一个会话,在对话中达成变量赋值,总括,获得终极结出等操作。

于是,能够说TensorFlow是一个遵守总括图设计的逻辑举办总计的编制程序系统。

TensorFlow的总结图能够分成五个部分:
(1)构造部分,包涵总计流图;(2)奉行部分,通过session实践图中的计算。

结构部分又分为两片段:
(1)创造源节点;(2)源节点输出传递给任何节点做运算。

TensorFlow私下认可图:TensorFlow python库中有四个暗许图(default graph)。节点构造器(op构造器)能够追加节点。

张量

在TensorFlow中,张量是对运算结果的引用,运算结果多以数组的款式储存,与numpy中数组差异的是张量还带有八个入眼性质名字、维度、类型。

张量的名字,是张量的唯生机勃勃标记符,通过名字能够发掘张量是哪些总结出来的。譬喻“add:0”代表的是计量节点"add"的第贰个出口结果。维度和项目与数组相符。

模型会话

用来实行组织好的总括图,同期会话具备和处理程序运转时的有着财富。

当总计完毕今后,须要通过关闭会话来扶植系统回笼财富。

在TensorFlow中使用会话有二种办法。第后生可畏种供给明白调用会话生成函数和停业会话函数

import tensorflow as tf 

# 创建session  
session = tf.Session()  
#获取运算结果  
session.run()  
#关闭会话,释放资源  
session.close()  

第三种能够行使with的诀窍

with tf.Session() as session:  
    session.run()  

三种方法不一样的是,第二种范围了session的成效域,即session那么些参数只适用于with语句上边,同期语句甘休后自动释放能源,
而首先种艺术session则效果于全体程序文件,要求用close来刑释财富。

tensorflow布满式原理

tensorflow的贯彻分为了单机达成和布满式达成。

单机的形式下,总计图会依照顺序间的信任性关系依次推行。

在遍及式实现中,需求落到实处的是对client,master,worker process,device管理。

client也便是客商端,他透过session的接口与master和worker相连。

master则担负管理全体woker的总结图施行。

worker由八个或多少个总结设备device组成,如cpu,gpu等。

实际经过如下图:

图片 2

在分布式完毕中,tensorflow有风华正茂套特意的节点分配政策。

计划是基于代价模型,代价模型会揆情度理各个节点的输入,输出的tensor大小以致所需的企图时间,然后分配各种节点的猜想设备。

恢宏作用

在tensorflow中相比主要的进展功用有,自动求导,子图实行,总结图调整流以至队列/容器

求导是机械学习中总结损失函数常用的运算,TensorFlow原生帮忙活动求导运算,它是经过总计图中的扩充节点落到实处。

子图执行是通过决定张量的流向实现。

计量图调控流:是指调整计算图的节点非常运转的装置管理,它提供了飞跃实施总括和满意设备施加的各类束缚。举例节制内部存款和储蓄器总数为了实行它的图子集而在设施上所需的节点。

队列是一个管用的效用,它们允许图的例外界分异步执行,对数据开展入队和出队操作。

容器是用来存放在变量,暗许的容器是坚持到底的,直到进度终止才会清空,同偶然候容器中的变量也足以分享给别的总计图使用。

详见的细节可查阅TensorFlow的牵线pdf

本文由银河网站登录发布于www.7163.com,转载请注明出处:tensorflow核心概念和原理介绍

关键词:

上一篇:青海高速即将举行全省观摩会
下一篇:没有了