推荐一些有助于理解TensorFlow机制的资料（一）

导读：本文推荐了一些对深入理解TensorFlow非常有帮助的资料。通过阅读这些资料，可以帮助你理解TensorFlow的实现机制以及一些高级技巧。本文是该系列的第一篇，后续还会持续推荐一些与TensorFlow相关的精品资料。

TensorFlow源码

链接：https://github.com/tensorflow/tensorflow

几年来，TensorFlow已经积累了大量的源码，完整地阅读源码对大部分人来说不大现实。这里推荐读者可以阅读以下TensorFlow的源码结构，了解一下TensorFlow是如何利用C++作为内核，并对外提供Python/Java等接口的。

官方教程——图和会话

链接：https://www.tensorflow.org/programmers_guide/graphs

该资源很好地介绍了了TensorFlow中的Graph和Session，尤其是静态图的几大优势。TensorFlow并不是因为难以实现动态图而选择默认使用静态图，而是静态图对于工业化产品具有很多特有的优势，有兴趣的读者可以详细阅读这个资料。

官方教程——导入数据

https://www.tensorflow.org/programmers_guide/datasets

大部分TensorFlow使用者依然在使用传统的手工构建feed_dict的方法进行数据导入，但其实TensorFlow提供了高效的数据导入机制。教程中介绍了如何利用该机制从numpy、文件等载体进行数据导入。

TensorFlow-Examples

链接：https://github.com/aymericdamien/TensorFlow-Examples

非常给力的TensorFlow入门示例，对于有numpy基础的朋友，阅读示例中的源码可以直接上手TensorFlow的大部分基础模型（MLP、CNN、RNN等）。

TensorFlow架构

链接：https://www.tensorflow.org/extend/architecture

帮助理解TensorFlow的实现机制，例如，TensorFlow在CPU上的矩阵运算是依赖一个叫Eigen的库实现的。非常适合结合源码一起阅读。

更多教程资料请访问：人工智能知识资料全集

-END-

专 · 知

人工智能领域主题知识资料查看与加入专知人工智能服务群：

【专知AI服务计划】专知AI知识技术服务会员群加入与人工智能领域26个主题知识资料全集获取

点击上面图片加入会员

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请扫一扫如下二维码关注我们的公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知