Tensorflow简介

1、Tensorflow作用

Tensorflow 对于机器学习英语来说就如同Linux、IOS等操作系统一样，一方面为用户构建上层应用提供接口，让用户以此为平台，开发出各种各样的应用产品，另一方面管理和控制底层的计算机硬件和软件资源，以提高资源利用率，降低硬件差异等问题所带来的研发车本。

2、Tensorflow定义

Tensorflow是一个基于数据流图的数值计算开源软件库，其灵活的架构设计可以让用户以单机或者分布式的方式将计算部署在台式机、服务器、甚至手机上。

3、Tensorflow优点

1）、使用Tensorflow可以用非常简洁的语言实现各种复杂的算法模型，将研究极为消耗精力的编码和调试工作解放出来；

2）、Tensorflow的内核执行系统使用cpp编写，因此保持了非常高效的执行效率；

3）、Tensorflow优秀的分层架构设计使得模型可以非常方便的运行在异构设备环境上；

4）、Tensorflow不仅包含TensorBoard等优秀的配套辅助工具，第三方社区也贡献了诸如TFLearn等好用的辅助项目；

4、基本概念之计算图（数据流图）

数据流图是有向图，图中的点表示各种数学计算操作，边表示操作与操作之间传递的高维数组数据，称为tensor。

5、基本概念之tensor（张量）

tensor代表多维数组，对应神经网络计算中的高维矩阵，tensor可以有任意维度，每个维度也可以有任意长度，特别来说。

一维tensor就是向量，二维tensor是矩阵，四维表示一个mini-batch的图片；

6、基本概念之算子（operation）

算子op是参与计算的基本单位，每个算子对应一种数学运算；

7、基本概念之Session（回话）

Session是驱动TensorFlow系统执行计算交互的入口，Session负责完成多计算设备或者集群分布的节点布置和数据传输节点的添加，并负责将子图分配给相应的执行器单元来运行。

8、Tensorflow系统架构

1）、Tensorflow是拥有“client -- master -- worker” 架构的分布式系统。

2）、在一般的执行流程中，客户端通过会话tf.Session接口与master进行通信，并向master提交触发执行的请求，master将执行任务分配到一个或多个worker进程中，执行的结果通过master返回给客户端。

3）、worker是最终负责执行的计算的角色，每个worker进程都会管理和使用计算机上的计算硬件设备资源。