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。