2.2.3　TensorFlow背后的原理

本书是给深度学习的初学者看的。因此，我们想让你知道TF的工作原理。TF创建一个图，其中包含从张量输入到最高抽象级别操作的执行过程。

例如，假设有张量x和w，它们是已知的输入向量，有一个已知的常数b，假设想进行下列运算：

如果我们通过声明和赋值张量来创建这个运算，那么与之相应的计算图将如图2.1所示。

图2.1　张量乘法和加法运算的示例

在这幅图中，有一个张量乘法运算mul，它的结果是一个标量，需要与另一个标量相加。注意，这可能是一个中间结果，在真实的计算图中，这个结果在执行树中上升。有关TF如何使用图形的更详细信息，请参阅（Abadi,M.,et.al.,2016）。

简而言之，TF可以找到执行张量操作的最佳方式，如果有GPU可用，则可以将特定部分委托给GPU执行；反之，如果CPU可用，则它在CPU内核上执行并行操作。它是开源的，且世界各地的用户社区在不断增长，大多数深度学习专业人士都知道TF。

现在我们来讨论如何安装Keras以及它是如何抽象TensorFlow函数的。