“TensorFlow简介”的版本间的差异
来自CloudWiki
(→TensorFlow 的工作原理) |
|||
第27行: | 第27行: | ||
>>> | >>> | ||
引自[2] | 引自[2] | ||
+ | |||
+ | 返回 [[机器学习]] | ||
参考文档: | 参考文档: | ||
[1] 不会停的蜗牛 链接:http://www.jianshu.com/p/6766fbcd43b9 | [1] 不会停的蜗牛 链接:http://www.jianshu.com/p/6766fbcd43b9 | ||
[2] TensorFlow 官方文档中文版 http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html | [2] TensorFlow 官方文档中文版 http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html |
2017年10月14日 (六) 13:32的版本
TensorFlow的流行让深度学习门槛变得越来越低,只要你有Python和机器学习基础,入门和使用神经网络模型变得非常简单。TensorFlow支持Python和C++两种编程语言,再复杂的多层神经网络模型都可以用Python来实现,如果业务使用其他编程也不用担心,使用跨语言的gRPC或者HTTP服务也可以访问使用TensorFlow训练好的智能模型。[1]
TensorFlow 的工作原理
TensorFlow是用数据流图(data flow graphs)技术来进行数值计算的。
数据流图是描述有向图中的数值计算过程。
有向图中,节点通常代表数学运算,边表示节点之间的某种联系,它负责传输多维数据(Tensors)。
节点可以被分配到多个计算设备上,可以异步和并行地执行操作。因为是有向图,所以只有等到之前的入度节点们的计算状态完成后,当前节点才能执行操作。[1]
第一个TensorFlow程序
- $ python
>>> import tensorflow as tf >>> hello = tf.constant('Hello, TensorFlow!') >>> sess = tf.Session() >>> print sess.run(hello) Hello, TensorFlow! >>> a = tf.constant(10) >>> b = tf.constant(32) >>> print sess.run(a+b) 42 >>>
引自[2]
返回 机器学习 参考文档: [1] 不会停的蜗牛 链接:http://www.jianshu.com/p/6766fbcd43b9 [2] TensorFlow 官方文档中文版 http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html