52期刘光聪_tensorflow编程模型tensorflow-programming-model-horance.pdf
- 183****7931个人认证 |
- 2021-04-18 发布|
- 1.5 MB|
- 61页
首相给大家拜个早年,祝大家在2017 年有新的收获。非常感谢大家在春节前夕依然还
坚持参加中生代技术的 活动,也感谢中生代提供的强大的 平台。
我是刘光聪,来自于中兴通讯技术规划部,关注敏捷 开发,从事机器学习算法研
究,目前负责AI 平台架构与设计。
今天我给大家 的题目是:剖析TensorFlow 架构与设计之编程模型。其目标是对深
度学习有一个初步的了解,了解TensorFlow 的基本编程模型,及其掌握TensorFlow 的
几个重要概念。
今天我的 主要包括3 个部分,简单 TensorFlow 的架构;理解计算图的工作原
理;通过Mnist 实战,了解TensorFlow 编程模型。
TensorFlow 在跨平台,通用性,分布式,可扩展性,可视化等方面优势非常明显,但
性能略低于其他框架。
TensorFlow 是一种典型的基于符号编程的数值计算框架,从总架构上分为两层:
1. 前端:负责计算图的构造,支持多语言,其中Python 提供的API 最为成熟;
2. 后端:负责计算图的执行,使用C++实现,直接操作分布式的CPU/GPU 环境。
计算图是TensorFlow 最重要的领域概念,OP 代表节点,Tensor 代表边;数据从节点
流入,通过OP 运算,从节点流出,并做为下一节点的输入,TensorFlow 的命名由此
而来。
OP 用于表示计算图的一个节点,完成某种抽象的计算。
TensorFlow 支持丰富的OP 集合,并且支持OP 的扩展。
OP 通过OP 构造器(OP Constructor)生成OP 实例,该工厂具有副作用,它将该OP 实例 到计算图中。
此时用户对图实例无感知,因为其上下文存在一个默认的图实例。
OP 的输入和输出以Tensor 的形式传递,支持三种基本类型。
描述OP 可以通过三个维度描述: 1. 类型 2. Tensor