TensorFlow笔记——

主要依赖包

protocal buffer

处理结构化数据的工具：序列化（结构化数据->数据流) + 还原（数据流->结构化数据）

protocol buffer与XML和JSON的区别：

1. 数据流是二进制流而不是可读的字符串
2. 使用时需要先定义数据的格式（schema），还原时需要使用到这个定义好的数据格式——>优势：小、快速

bazel

自动化构建工具

项目空间（workspace）

bazel的一个基本概念。包含源代码+输出编译结果的软连接（symbolic link）地址

一个项目空间内，bazel通过BUILD文件来找到需要编译的目标

。。。。这里有些抽象 没看太明白

TensorFlow的计算模型——计算图

计算图

TensorFlow的计算可以表示为一个有向图，或称为计算图。系统会维护一个默认的计算图，可以通过tf.get_default_graph（）得到

节点

运算操作

边

节点与节点之间的连线。

张量（tensor）

边中流动（flow）的数据。有某张量a，他所属的张量图为a.graph，无括号。

从功能上说：

零阶张量是一个标量，一个数

一阶张量是一个一维数组，向量

n阶张量是一个n维数组

张量和计算图上的每个节点代表的计算结果是对应的。

一个张量中主要保存了三个属性：

名字——node:src_output，src_output表示这个节点的第几个输出，例如：add:0

维度

类型

依赖控制

没有数据流的边。作用是让他的节点执行完之后，再执行目标节点，用户可以使用依赖控制进行灵活的条件控制，比如限制内存使用的最高峰值。