會話--tensorflow執行模型
一、tensorflow系統結構的概述
從圖中可以看出tensorflow的整個系統在結構上大體可以分為兩個子系統—前端系統和後端系統。其中前端系統提供程式設計模型，負責構造計算圖；後端系統提供執行時環境，負責執行計算圖。
我們重點關注系統中client、distributed master、work services和kernel implements4個元件，它們構成了系統執行的核心。
（1）client：顧名思義，指的是客戶端。作為前端系統的主要組成部分，它是乙個支援多語言（目前，tensorflow主要支援python和c++程式語言，並對其他程式語言介面的支援日益完善）的程式設計環境。通過client，我們可以構造或簡單或複雜的計算圖，實現各種形式的執行過程。
客戶端會以session(會話)為介面與後端系統distributed runtime中的master及多個worker相連，並啟動計算圖的執行過程。
（2）distributed master：這是乙個分布式控制器（也就是與session相連的master），用於在分布式執行的環境中對乙個大的計算圖進行拆分。它會根據session.run()函式的fetches引數，從計算圖中反向遍歷，找到計算圖的「子圖」之後會將該「子圖」再次拆分成多個「子段」，這在一定程度上方便了計算圖在不同程序和裝置中的執行。最後，master將這些「子段」傳遞給work service，由work service啟動「子段」的執行程序。
（3）work service：也就是與session相連的worker，每個worker可以與device layer中的多個硬體裝置相連。對於master傳遞過來的「子段」，worker都會按照計算圖中節點之間的依賴關係及當前的device（gpu/cpu），呼叫op的kernel實現（運算的底層實現）完成op的運算。在一些情況下，work service還要將op運算結果傳送到其他的work service，或者接受其他worker service傳送過來的op運算結果。
（4）kernel implements：這是運算的底層實現介面，是op在某種硬體裝置上的底層實現。
tensorflow有單機模式和分布式模式兩種實現（單機模式下只有乙個worker，分布式下會有多個worker），其中單機模式指client、master和worker全部在一台機器上，分布式模式則會根據實際情況將client、master和worker放在不同的機器中。
會話是tensorflow程式的執行模型，它管理著程式執行時的所有資源。在所有的計算完成之後，通常需要關閉會話以幫助系統**資源；如果不這樣做，很有可能會導致資源洩露的問題。
二、簡單使用會話
session就是使用者使用tensorflow時的互動式介面，它被實現為session類。session類提供了run()方法來執行計算圖。使用者給run()函式傳入需要計算的節點，同時提供輸入的資料，tensorflow就會自動尋找所有需要計算的節點並按依賴順序執行它們。session類還提供了extend()方法為計算圖新增新的節點和邊，用以完善計算圖。在大多數情況下，我們只會建立一次計算圖，然後反覆執行整個計算圖或是其中的一部分子圖(subgraph)。
使用會話的方式一般有兩種，第一種方式（也是標準方式）就是明確呼叫會話生成函式和會話關閉函式—通過session類的session()建構函式建立會話類例項，最後通過session類的close()函式關閉會話釋放資源。
例如：
import tensorflow as tf
sess = tf.session()#用session類的建構函式建立乙個會話
#session類建構函式原型__int__(self, target, graph, config)
sess.run(...)#run()函式會執行乙個會話，一般傳入需要在會話內執行的計算過程
#函式原型run(self, fetches, feed_dict, options, run_matedata)
sess.close()#最後關閉會話，這樣可以使得本次執行中使用到的資源被釋放
#
sess = tf.session()
sess.run(result)
會話的第二種使用方式就是在定義時加入with/as。
tensorflow 基礎學習十 RNN
rnn網路的結構 上圖展示了乙個簡單的迴圈神經網路結構，在這個迴圈體中僅使用了乙個類似全連線的神經網路結構。迴圈神經網路中的狀態是通過乙個向量來表示的，這個向量的維度稱為迴圈神經網路隱藏層的大小，設其為h。從上圖可以看出，迴圈體中的神經網路的輸入包含兩部分，一分部為上一時刻的狀態，另一部分為當前時刻...
Tensorflow 基礎概念
g v，e v operation 圖的節點 e tensor 圖的邊 g graph 圖 tensorflow tensor 多維陣列 flow graph 圖 op session回話上下文管理 variable tensor 多維資料變數 placeholder 外部傳入的引數變數 seesi...
tensorflow語法基礎
變數型別 variable 變數 constant 常量 指定引數 name 變數在tensorflow中的名字 dtype 變數的資料型別 可以是tf.float32,tf.int32之類的 e.g.import tensorflow as tf a tf.variable 0,dtype int...