人工智能原理第3章：TensorFlow 基础.pptxVIP

人工智能原理：基于Python语言和TensorFlow张明 副教授 第三章：TensorFlow基础TensorFlow的架构TensorFlow的开发环境搭建数据流图简介TensorFlow中定义数据流图通过名称作用域组织数据流图构建数据流图运行数据流图3.1：TensorFlow的架构1.系统架构概述TensorFlow的架构以C API为界，将整个系统分为“前端”和“后端”两个子系统：前端系统（Front End）提供编程模型，负责构造计算图；后端系统（Exec System）提供运行时环境，负责执行计算图。3.1：TensorFlow的架构TensorFlow系统中如下的4个基本组件，它们是系统分布式运行机制的核心：客户端（Client）分布式主机（Distributed Master）工作服务（Worker Service）内核工具（Kernel Implements）3.1：TensorFlow的架构组件交互：如图3-2所示的是TensorFlow计算图的运行机制/job:worker/task:0：负责模型的训练或推理。/job:ps/task:0：此工作服务负责模型参数的存储和更新，又称为Parameter Server（简称PS）。第三章：TensorFlow基础TensorFlow的架构TensorFlow的开发环境搭建数据流图简介TensorFlow中定义数据流图通过名称作用域组织数据流图构建数据流图运行数据流图3.2：TensorFlow的开发环境搭建使用TensorFlow之前，需要先将其安装到计算机中。TensorFlow官方网站提供了一份在Linux和Mac OS X系统中安装TensorFlow的完整分步指南。由于Windows系统在全球计算机的覆盖度较大，Google公司也提供了Windows系统的安装方法，本书重点介绍在当前主流Windows系统（本书安装平台为Window 10操作系统）安装TensorFlow的步骤指南。不论在Windows还是Linux、Mac OS X系统安装TensorFlow，Google公司都支持CPU和GPU两种版本的安装，其中CPU版本适合初学者或显卡不支持GPU加速的用户安装使用，GPU版本对机器性能要求较高（主要是显卡性能），但可以让用户得到更好的运行体验。鉴于教学使用，建议安装CPU版本。3.2：TensorFlow的开发环境搭建Windows系统下安装TensorFlow安装虚拟环境Anaconda安装CPU版本TensorFlow ：显示如图所示的信息，表示安装成功3.2：TensorFlow的开发环境搭建Windows系统下安装TensorFlow安装虚拟环境Anaconda安装GPU版本TensorFlow 第三章：TensorFlow基础TensorFlow的架构TensorFlow的开发环境搭建数据流图简介TensorFlow中定义数据流图通过名称作用域组织数据流图构建数据流图运行数据流图3.3：数据流图简介1 数据流图基础2 节点的依赖关系3.3.1：数据流图基础借助TensorFlow API用代码描述的数据流图是每个TensorFlow程序的核心。数据流图这种特殊类型的有向图用于定义计算结构。在TensorFlow中，数据流图本质上是一组链接在一起的函数，每个函数都会将其输出传递给0个、1个或更多个位于这个级联链上的其他函数。按照这种方式，用户可利用一些很小的、为人们所充分理解的数学函数构造数据的复杂变换。如下图所示。3.3.1：数据流图基础下图展示了可完成基本加法运算的数据流图。在该图中，加法运算是用圆圈表示的，它可接收两个输入（以指向该函数的箭头表示），并将1和2之和3输出（对应从该函数引出的箭头）。该函数的运算结果可传递给其他函数，也可直接返回给客户。3.3.2：节点的依赖关系在数据流图中，节点之间的某些类型的连接是不被允许的，最常见的一种是将造成循环依赖（circular dependency）的连接。为理解“循环依赖”这个概念，需要先理解何为“依赖关系”。观察下图所示的数据流图。第三章：TensorFlow基础TensorFlow的架构TensorFlow的开发环境搭建数据流图简介TensorFlow中定义数据流图通过名称作用域组织数据流图构建数据流图运行数据流图3.4：TensorFlow中定义数据流图用于表示该数据流图的TensorFlow代码如下所示:3.4.2：张量思维张量，即n维矩阵的抽象。因此，1D张量等价于向量，2D张量等价于矩阵，对于更高维数的张量，可称“N维张量”或“N阶张量”。3.4.3：张量的形状张量的形状可以是包含有序整数集的列表（list）或元组（tuple）：列表中元素的数量与维数一致，且每个元