tensorflow的整体结构

符号式编程的特点，先构建运行图，然后输入数据，训练模型，调整参数，优化模型，达到阈值，输出模型；

看一下官方给出的tensorflow的运行流图：

上图可以看出，tensorflow框架，会先为整个工作设置好流向（tensor）和操作节点（OP），其中的每一个节点都是要进行的操作，大家可以想象我们是在做一个实验，化学实验，水蒸发成水蒸气，水蒸气分解成各种氢、氧元素的过程。输入的水、变化的水蒸气都是tensor；过程中使用的火焰、催化剂就是OP；整个实验过程就是一个Graph；整个过程就是tensorflow；

 

找回上节的代码：

def test():
         x = tf.constant(8)
         y = tf.constant(9)
         z = tf.multiply(x, y)

     print(z)

x，y 明显都是tensor对象；

tf.multiply就是一个OP；

那么Graph在哪？ 原来是存在一个tf.get_default_graph() 方法，构建默认Graph；

因此，通过三次的学习，我们看到了tensorflow的定义：Tensor（张量） 意味着 N 维数组，Flow（流） 意味着基于数据流图的计算，TensorFlow 代表着张量在图中通过运算(op)进行传递和变换。

 

记住它，不理解没关系。