5.4 Tensorflow基本概念

Tensorflow中的一些基本概念在Tensorflow2版本中已经被隐藏起来或者已经不再使用了，但本文还是打算给大家简单介绍一些Tensorflow的基本概念。

Tensorflow是一个编程系统，使用图（Graph）来表示计算任务，图（Graph）中的节点称之为op（operation），一个op获得0个或多个Tensor，执行计算，产生0个或多个Tensor，Tensor看作一个n维的数据。在“Tensorflow1”中，图必须在会话（Session）中运行，如图5.10所示。

在图5.10中，Tensor 0、Tensor 1和Tensor 2表示数据，一般可以用在数据的输入、输出和计算的中间流程；Variable 0表示变量，一般用于记录一些需要变化的数值，如需要训练的模型参数。虽然可以使用Tensor的地方都可以使用Variable，不但它们还是有一些区别的。

图5.10中的Graph 0表示一个完整的计算任务，最上面的Tensor0和Variable0一起传入一个operation0里面，这个operation0可以是加法、减法、乘法和除法等运算。运算完了之后，产生一个Tensor1，这个Tensor1跟Tensor2一起被送入operation1，在operation1中进行计算。

再举一个更具体的例子，如图5.11所示。

图5.11中的X是一个Tensor，表示数据的输入；W和b是Variable，表示模型需要训练的参数。W和X共同传入了MatMul的operation中，进行矩阵乘法的操作，计算完后得到的Tensor0会传入到Add（operation）中，其跟b一起进行加法操作，得到Tensor1。Tensor1传入ReLU（operation）激活函数进行计算，得到Tensor2后继续传递信号，最终得到Tensor3。

在前面的内容中我们已经介绍过，在Tensorflow 2中使用的是动态图机制，也就是说我们不再需要会话，我们可以在任意时候进行计算并得到结果，程序设计起来会更加方便，更加自然。

图5.10 会话（Session）

图5.11 神经网络计算图