TensorFlow 101
TensorFlow 是解决机器学习和深度学习问题的流行库之一。在开发供 Google 内部使用后,它作为开源发布供公众使用和开发。让我们理解 TensorFlow 的三个模型:数据模型,编程模型和执行模型。
TensorFlow 数据模型由张量组成,编程模型由数据流图或计算图组成。 TensorFlow 执行模型包括基于依赖条件从序列中触发节点,从依赖于输入的初始节点开始。
在本章中,我们将回顾构成这三个模型的 TensorFlow 元素,也称为核心 TensorFlow。
我们将在本章中介绍以下主题:
TensorFlow 核心
- 张量
- 常量
- 占位符
- 操作
- 从 Python 对象创建张量
- 变量
- 从库函数生成的张量
数据流图或计算图
- 执行顺序和延迟加载
- 跨计算设备执行图 - CPU 和 GPGPU
- 多个图
- TensorBoard 概述
本书的编写注重实际,因此您可以从本书的 GitHub 仓库中克隆代码或从 Packt Publishing 下载它。 您可以使用代码包中包含的 Jupyter Notebook ch-01_TensorFlow_101
来遵循本章中的代码示例。