Red de conocimiento informático - Material del sitio web - Cómo entender la dimensión en tensorflow

Cómo entender la dimensión en tensorflow

Uso básico

Para usar TensorFlow, debes comprender TensorFlow:

Usa gráficos para representar tareas informáticas.

El gráfico se ejecuta en un contexto llamado sesión.

Usa tensor para representar datos.

Mantener estado mediante variables (Variable).

Utilice feed y fetch para asignar valores u obtener datos de operaciones arbitrarias.

Descripción general

TensorFlow es un sistema de programación que utiliza gráficos para representar tareas computacionales. Los nodos en el gráfico se llaman op

(abreviatura de operación). Una operación obtiene 0 o más tensores, realiza cálculos y produce 0 o más tensores. Cada tensor es una matriz multidimensional escrita.

Por ejemplo, puede representar un pequeño conjunto de imágenes como una matriz de cuatro dimensiones de números de punto flotante,

las cuatro dimensiones son [lote, alto, ancho, canales].

Un gráfico de TensorFlow describe el proceso de cálculo. Para poder realizar cálculos es necesario iniciar el gráfico en una sesión.

Session distribuye operaciones gráficas a dispositivos como CPU o GPU y proporciona métodos para ejecutar operaciones.

Después de ejecutar estos métodos, se devolverá el tensor generado. En Python, el tensor devuelto es un objeto numpy ndarray; en C y C++, el tensor devuelto es una instancia de tensorflow::Tensor.

Gráfico computacional

Los programas de TensorFlow generalmente se organizan en una fase de construcción y una fase de ejecución. Durante la fase de construcción, los pasos de ejecución de op

se describen en forma de gráfico. Durante la fase de ejecución, utilice una sesión para ejecutar las operaciones en el gráfico de ejecución.

Por ejemplo, es común crear un gráfico para representar y entrenar una red neuronal durante la fase de construcción y luego ejecutar repetidamente las operaciones de entrenamiento en el gráfico durante la fase de ejecución.

p>

TensorFlow admite los lenguajes de programación C, C++ y Python. Actualmente, la biblioteca Python de TensorFlow es más fácil de usar.

Proporciona una gran cantidad de funciones auxiliares para simplificar el trabajo de creación de gráficos. Estas funciones aún no son compatibles con las bibliotecas C y C++.

Las bibliotecas de sesiones en los tres idiomas son consistentes.

Construyendo un gráfico

El primer paso para construir un gráfico es crear una operación fuente (source op). La operación fuente no requiere ninguna entrada, como una constante. La salida de la operación fuente se pasa a otras operaciones para su operación.

En la biblioteca de Python, el valor de retorno del constructor de operaciones representa la salida de la operación construida. Estos valores de retorno se pueden pasar a otros

constructores de operaciones como entrada.

La biblioteca TensorFlow Python tiene un gráfico predeterminado para el cual el constructor de operaciones puede agregar nodos. Este diagrama predeterminado es suficiente para

muchos programas. Lea la documentación de la clase Graph