Tensorflow 张量流存储学习

我还没有尝试过Tensorflow，但仍然很好奇，它是如何存储的，以什么形式，数据类型，文件类型，获得的机器学习代码的学习供以后使用

例如，在日本，Tensorflow被用来对黄瓜进行分类。所用的计算机花了很长时间从给出的示例图像中学习好黄瓜的样子。学习内容以何种形式保存以供将来使用

---

因为我认为，如果程序每次需要对黄瓜进行排序时都必须重新学习图像，那将是低效的。

你是在谈论符号数学库，还是一般的张量流的概念？请在这里更具体一些

下面是一些讨论库和张量流的资源

这些是一些

下面是一些关于

这是github

如果你想要一个更具体的答案，请提供更多关于你感兴趣的工作类型的细节

编辑：所以我认为你的问题与张量流的一般场有关，而不是任何特定的应用。您的问题对于本网站来说仍然太模糊，但我会尝试向您指出一些您可能会感兴趣的资源

用于图像识别的张量流通常使用人工神经网络（ANN）作为作用对象。这意味着tensorflow库有助于神经网络的数字运算，我相信你可以通过快速的谷歌搜索来阅读

---

关键是tensorflow本身并不是一种机器学习形式，它更像是一个有用的数字处理库，类似于python中的numpy，用于大规模的深度学习模拟。您应该阅读更多内容。

归根结底，思考机器学习模型的一个高级方法是三个组件—模型的代码、该模型的数据以及运行该模型所需的元数据

在Tensorflow中，该模型的代码是用Python编写的，并保存在GraphDef中。这使用了Google创建的序列化格式，名为。常见的序列化格式包括其他库的Python本机格式

编写这段代码的主要原因是从一些训练数据中“学习”——这些数据最终是一大组充满数字的矩阵。这些是模型的“权重”——这也是使用ProtoBuf存储的，尽管也存在类似的其他格式

Tensorflow还存储与此模型相关联的元数据—例如，输入应该是什么样子（例如：图像？一些文本？），输出应该是什么样子（例如：一类图像，又名cucumber1，或2？有分数，或没有分数？）。这也存储在Protobuf中

---

在预测期间，代码加载图形、权重和元，并获取一些输入数据以给出输出。更多信息。

因此，学习是以模型的形式进行的。。Tensorflow帮助你创建了这个模型？这是一种思考的方式。TysFooSt流是Python和C++开发人员的一个非常强大的工具，因为它允许他们避免计算细节的本质，而更关注他们正在进行的ML算法的抽象。它在处理图形时非常有效，图形恰好是许多ML应用程序以及一些非ML应用程序的数据结构选择。