52期刘光聪_tensorflow编程模型tensorflow-programming-model-horance.pdf

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。