《TensorFlow自然语言处理》—2.1.4　Cafe Le TensorFlow：使用类比理解TensorFlow

2.1.4　Cafe Le TensorFlow：使用类比理解TensorFlow

如果你对技术性说明中包含的信息感到不堪重负，下面我们尝试从不同的角度来介绍相关概念。假设有一家新咖啡馆开业了，你一直想去那。然后你去了那家咖啡馆，在靠窗的位置坐下。

接下来，服务员来请你下订单，你点了一个有奶酪没有西红柿的鸡肉汉堡。这里，请将你自己看作客户端，你的订单就是定义的图。该图定义了你需要什么以及相关信息。服务员类似于会话，他的责任是将订单带到厨房，以便执行订单。在接受订单时，服务员使用特定格式来传达你的订单，例如，桌号、菜单项ID、数量和特殊要求。可以把服务员用的格式化订单想象成GraphDef。然后，服务员把订单带到厨房，把它交给厨房经理。从这一刻开始，厨房经理负责执行订单。到这里，厨房经理代表分布式主服务器。厨房经理做出决定，例如需要多少厨师来制作菜肴，以及哪些厨师是最适合此工作的人选。我们假设每位厨师都有一位助理，他的职责是为厨师提供合适的食材、设备等。因此，厨房经理将订单交给一位厨师和一位厨师助理（虽然汉堡没有这么难准备），并要求他们准备好菜肴。在这里，厨师是操作执行器，助理是参数服务器。

厨师查看订单，告诉助理需要什么。因此，助理首先找到所需的材料（例如，面团、肉饼和洋葱），并尽快将它们准备在一起以满足厨师的要求。此外，厨师可能会要求暂时保留菜肴的中间结果（例如，切好的蔬菜），直到厨师再次需要它们。

汉堡准备好后，厨房经理会收到厨师和厨师助理做的汉堡，并通知服务员。此时，服务员从厨房经理那里取出汉堡带给你，你终于可以享用根据你的要求制作的美味汉堡，该过程如图2.5所示。

图2.5　用作类比的餐厅