1.Tensor(張量) : TensorFlow的計算單位。一維張量代表僅有一個坐標軸的數據,二維張量則含有兩個坐標軸,以此類推。
2.flow(計算模型) : 指Graph運算過程中的資料流。
是現代機器學習的基礎,它的核心是一個數據容器,常包含數字、字符串。
是線性代數中的基本概念,也是機器/深度學習中,除了加減乘除以外最基礎的元素。一維張量只有一個座標軸。將數位陣列定義為向量,會從2維轉為多維度。
(圖片擷取自網上)
包含行、列的兩個座標軸
擁有三個座標軸。TensorFlow中,神經網路的輸入、權重、偏差等都表示為張量。
(圖片擷取自網上)
範例:
一種透過有向圖的節點(Node)與邊(Edge)來描敘計算過程。節點(Nodes)在圖中表示數學操作,圖中的線(Edges)表示在節點間相互聯繫的多維資料數組,就是張量(tensor)。
透過不同的程式語言建立計算圖,再依需求設計張量運算流程,最後透過訓練建構出深度學習模型,就可以在用戶端和執行裝置間建立連結,達到在不同平台執行完成好的計算圖的功效。
(gif擷取自網上)
https://www.tensorflow.org/images/tensors_flowing.gif