TensorFlowの用語「テンソル」を理解するには？

Question

私はTensorFlowを初めて使用しています。私は書類を読んでいるうちに。私は用語tensorが本当に混乱していることを発見しました。 tensorとVariableとの関係はどうですか、tensorと対tf.constant、 'テンソル'対tf.placeholder？彼らはすべてのタイプのテンソルですか？ glossaryから

Answer 1

TensorFlowにはファーストクラスのTensorオブジェクトがありません。つまり、実行時に実行される基になるグラフにはTensorという概念はありません。その代わりに、グラフは、オペレーションを表す相互に接続されたオペレーションノードからなる。オペレーションは、その出力にメモリを割り当てます。これはエンドポイント:0,:1などで利用でき、これらのエンドポイントはそれぞれTensorと考えることができます。 nodename:0に対応するtensorがある場合は、その値をsess.run(tensor)またはsess.run('nodename:0')として取得できます。実行粒度は操作レベルで発生するため、runメソッドはop30を実行し、:0エンドポイントだけでなく、すべてのエンドポイントを計算します。出力がないOpノード（例えば、tf.group）を持つことができます。この場合、テンソルが関連付けられていません。基礎となるOpノードなしでテンソルを持つことはできません。

あなたはtf.constantを使用すると、単一の操作ノードを取得し、あなたが同様にsess.run("Const:0")またはsess.run(value)

を使用して、それを取り出すことができますので、この

tf.reset_default_graph() 
value = tf.constant(1) 
print(tf.get_default_graph().as_graph_def()) 

ような何かを行うことで基本的なグラフで何が起こるか調べることができ、value=tf.placeholder(tf.int32)名前がPlaceholderの通常のノードが作成され、feed_dict={"Placeholder:0":2}またはfeed_dict={value:2}としてフィードできます。同一のsession.runコールでプレースホルダをフィードして取得することはできませんが、その上にtf.identityノードを付けて取得して結果を確認できます。あなたは、2つのノードVariableとVariable/readを作成していることがわかります変数

tf.reset_default_graph() 
value = tf.Variable(tf.ones_initializer()(())) 
value2 = value+3 
print(tf.get_default_graph().as_graph_def()) 

については

、:0エンドポイントは、これらのノードの両方にフェッチするための有効な値です。しかし、Variable:0には、refという特殊タイプがあります。これは、それが突然変異操作への入力として使用できることを意味します。 Python呼び出しtf.Variableの結果はPython Variableオブジェクトであり、突然変異が必要かどうかによって、Variable/read:0またはVariable:0を代用するPythonの魔法があります。ほとんどのオペレーションは1つのエンドポイントしか持たないので、:0は削除されます。もう1つの例はQueue-close()で、Queue opに接続する新しいCloseオペレーションノードを作成します。要約すると、VariableとQueueのようなpythonオブジェクトの操作は、使用方法に応じて異なる基礎となるTensorFlowオペレーションノードにマップされます。 tf.splitまたは複数のエンドポイントとノードを作成tf.nn.top_k、Pythonのsession.runコールのようなOPSについて

が自動的tupleあるいは個別に取り出すことができるTensorオブジェクトのcollections.namedtupleに出力をラップ。

Answer 2

：

テンソルは、入力した多次元配列です。たとえば、次元[バッチ、高さ、幅、チャネル]を持つイメージのミニバッチを表す浮動小数点数の4次元配列。

基本的に、すべてのデータはTensorFlowにおけるテンソル（名前）です：

• プレースホルダを使用すると、（sess.run()にfeed_dict引数を指定して）値を供給することができますするテンソル
• です変数は更新可能なテンソル（var.assign()）です。
• tf.constantしかし、グラフに、すべてのノードがあり、あなたがそれ

---

を作成するときに指定した固定値が含まれているだけで、最も基本的なテンソル、ですが、厳密に言えば、tf.Variableはtf.Tensorのサブクラスではありませんオペレーションは、入力または出力としてテンソルを持つことができます。

Answer 3

既に述べたように、はい、すべてテンソルです。

私がそれらを理解する方法は、下の図のように1D、2D、3D、4D、5D、および6Dのテンソルを最初に視覚化して理解することです。 （ソース：knoldus）

さて、TensorFlowの文脈では、あなたは以下のような計算グラフを想像することができます。ここ

、入力ように、2つのテンソルaとbをとります。 はとテンソルを掛け合わせた後、はこれらの乗算の結果をと加算して結果のテンソルt3を生成します。そして、これらのの乗算との追加Opは、計算グラフのノードで発生します。

これらのテンソルは、定数テンソル、可変テンソル、またはプレースホルダにすることができます。操作を達成するのに同じデータ型と互換性のある形状（またはbroadcastが可能）であれば問題ありません。