明白了由來與架構，本主題的最後一章，當然就是要來介紹我們的主角TensorFlow。TensorFlow其實即是以Tensor和Flow兩大項所組成的：
Tensor 張量：
在昨天的內容中有提到過張量處理器TPU，那麼到底什麼是張量？張量是深度學習的基礎，在數學的領域裡，它屬於一種幾何實體，這麼解釋可能有點難以理解，所以我們也可以把它看作是一個可裝載數據的容器。簡單的0維張量就好比把單純的數字放進容器裡，1維張量是代表僅有一個坐標軸的數據，可能包含數組或向量，而2維張量則含有兩個坐標軸，以矩陣為例就是由行及列組成，依此類推。
Flow 資料流程：
既然TensorFlow希望可以支援不同程式語言的介面，在無需修改程式的情形下輕鬆執行於各個平台，在這其中一定有什麼奧妙，答案就是程式中所建立的「計算圖」（computational graph）。它運作的原理，是在開發的過程中，先使用TensorFlow提供的模組，以不同的程式語言建立計算圖，再自行依需求設計張量運算流程，並透過訓練建構出深度學習的模型，最後即可在用戶端和執行裝置間建立連結，在不同平台上執行完成好的計算圖。之所以叫作Flow，就是因為如果用動態圖示出計算圖，可以看到資料的傳遞就像在管線內流動一樣，經過各個節點（Node）的運算，轉換成不同的張量資料。
iThome鐵人賽
看影片追技術