TensorFlow的系統架構，自底向上分為設備層和網絡層、數據操作層和圖計算層、API層、應用層，其中設備層和網絡層、數據操作層、圖計算層是TensorFlow的核心層。

       下面我們就自底向上地詳細地介紹以下TensorFlow的系統架構。因為只有這樣我們才能明白它的工作原理，更好地應用到我們的實際場景中去。最下層是網絡通信層和設備管理層。網絡通信層包括gRPC（google Remote Procedure Call Protocol）和遠程直接數據存取，這都是在分布式計算時需要用到的。設備管理層包括TensorFlow分別在CPU、GPU、FPGA等設備上的實現，也就是對上層提供了一個統一的接口，使上層只需要處理卷積等邏輯，而不需要關心在硬件上的卷積的實現過程。

其上是數據操作層，主要包括卷積函數、激活函數等操作。再往上是圖計算層，這一層是我們需要了解的核心內容，包括本地計算圖和分布式計算圖的實現。再往上是API層和應用層。

TensorFlow的設計理念主要體現在以下兩個方面。

將圖的定義和圖的運行完全分開。因此，TensorFlow被認為是一個“符號主義”的庫。我們知道，編程模式通常分為命令式編程和符號式編程。命令式編程就是編寫我們理解的通常意義上的程序，很容易理解和調試，按照原有邏輯執行。符號式編程涉及很多的嵌入和優化，不容易理解和調試，但運行速度有所提升�，F有的深度學習框架中，Torch是典型的命令式的，Caffe、MXNet采用了兩種編程模式混合的方法，而TensorFlow完全采用符號式編程。符號式計算一般是先定義各種變量，然后建立一個數據流圖，在數據流圖中規定各個變量之間的計算關系，最后只需要對數據流圖進行編譯，但此時的數據流圖還是一個空殼，里面沒有任何實際數據，只有把需要運算的輸入放進去后，才能在整個模型中形成數據流，從而形成輸出值。

聯系：highspeedlogic

QQ ：1224848052

微信：HuangL1121

郵箱：1224848052@qq.com

網站：http://www.mat7lab.com/

網站：http://www.hslogic.com/

微信掃一掃：