tensorflow的工作原理

?? 上章節對比了一下 numpy 和 tensorflow 的計算方式，這節來具體闡述一下tensorflow的工作原理:

??tensorflow是用資料流圖(data flow graphs)技術來進行數計算的！！！

那麼問題來了，啥是資料流圖？？？(重要的問題問三遍)

??資料流圖（data flow diagram）：簡稱dfd，它從資料傳遞和加工角度，以圖形方式來表達系統的邏輯功能、資料在系統內部的邏輯流向和邏輯變換過程，是結構化系統分析方法的主要表達工具及用於表示軟體模型的一種圖示方法。 —— [百度百科]

??說的這麼專業，這麼抽象，還是用**來說明問題:

??圖中，節點代表數**算，邊表示節點之間的某種聯絡，用來傳輸多維資料，而節點可以被分配到多個計算裝置上，可以非同步和並行地執行操作。因為圖是有向圖，所以計算按照指向有次序的進行。

(雖然圖是我偷的，但是學習的心是真的)

??下面用tensorflow來實現一下圖上的計算方法：

import tensorflow as tf

# 建立佔位物件x, y

x = tf.placeholder("float", [none])

y = tf.placeholder("float", [none])

# 設定會話

sess = tf.session()

# 初始化

init = tf.initialize_all_variables()

sess.run(init)

# 構建計算表示式

z = (2.2 - (x/11)) + (7 * tf.cos(y))

# 傳入引數啟動會話完成計算, 這裡令x = 1, y = 2

print sess.run(z, feed_dict=)

# 得到結果

# [-0.80393696]

再使用numpy來驗證一下結果是否正確

import numpy as np

print (2.2 - (1 / float(11)) + (7 * np.cos(2)))

# 得到結果

# -0.803936946739

??這裡對比 numpy 發現 tensorflow 計算是如此的麻煩， numpy 一行**的事， tensorflow 居然要寫那麼多，本身 tensorflow 就是來解決大規模資料量計算的，殺雞焉能用牛刀，這裡與 numpy 對比只是為了更好的理解它的執行計算方式。