5、TensorFlow 基础与逻辑回归模型实现

TensorFlow 基础与逻辑回归模型实现

1. TensorFlow 操作概述

TensorFlow 操作是应用于计算图中张量的抽象变换。操作可能具有先验提供或在运行时推断的属性，例如描述输入预期类型的属性。操作还可以有可选的名称属性，方便在计算图中引用。

一个操作由一个或多个内核组成，这些内核代表特定设备的实现。例如，许多矩阵操作在 TensorFlow 中有单独的 CPU 和 GPU 内核，因为在 GPU 上可以更高效地执行。

以下是 TensorFlow 操作的主要类别及示例：
| 类别 | 示例 |
| ---- | ---- |
| 逐元素数学运算 | Add, Sub, Mul, Div, Exp, Log, Greater, Less, Equal 等 |
| 数组操作 | Concat, Slice, Split, Constant, Rank, Shape, Shuffle 等 |
| 矩阵操作 | MatMul, MatrixInverse, MatrixDeterminant 等 |
| 有状态操作 | Variable, Assign, AssignAdd 等 |
| 神经网络构建块 | SoftMax, Sigmoid, ReLU, Convolution2D, MaxPool 等 |
| 检查点操作 | Save, Restore |
| 队列和同步操作 | Enqueue, Dequeue, MutexAcquire, MutexRelease 等 |
| 控制流操作 | Merge, Switch, Enter, Leave, NextItera