TensorFlow入门（1）：简介

本文开始tensorflow的入门系列，结合机器学习和深度学习的一些教程，作为一个入门的学习机器学习尤其是tensorflow的总结和记录

目录

TensorFlow的简介

最新版本

相关的资源

---

TensorFlow的简介

Tensorflow有Google出品，正是应了江湖的那句老话：Google出品，必属精品！，此言不虚，从2015年Google发布TensorFlow以来，无数的码农、研究人员、机构和厂商在大量的使用，TensorFlow呈现在深度学习的巨大的魅力，深深的吸引了大量想从事人工智能领域的人员使用和参与社区其中，github的传送门：https://github.com/tensorflow/tensorflow，看看有上面的fork和star的数字，足够闪现很多人的氪金狗眼。 Google发布TensorFlow发布了，真的是一件功德无量的事情，她的出现让俺们这等非专业的人工智能码农也能愉快的学习和使用人工智能工具，从而给自己的手艺添加亮色，老板也因此加了薪水。感谢Google!

下面开始摘抄一些从其它网站的介绍：

TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。
所谓数据流图，就是数据流图用“结点”（nodes）和“线”(edges)的有向图来描述数学计算。“节点” 一般用来表示施加的数学操作，但也可以表示数据输入（feed in）的起点/输出（push out）的终点，或者是读取/写入持久变量（persistent variable）的终点。“线”表示“节点”之间的输入/输出关系。这些数据“线”可以输运“size可动态调整”的多维数据数组，即“张量”（tensor）。张量从图中流过的直观图像是这个工具取名为“Tensorflow”的原因。一旦输入端的所有张量准备好，节点将被分配到各种计算设备完成异步并行地执行运算。
最经典的图片：

TensorFlow主要包含以下特性：
- 高度的灵活性
- 真正的可移植性（Portability）
- 将科研和产品联系在一起
- 自动求微分
- 多语言支持
- 性能最优化

---

最新版本

截止今天（2017-10-27）最新的版本已经到了1.4.0，就不一一拷贝了，具体的内容可以参见https://github.com/tensorflow/tensorflow/releases

---

相关资源：
https://github.com/tensorflow
http://www.jianshu.com/p/7b95538d7cae
http://www.tensorfly.cn/
http://www.infoq.com/cn/articles/introduction-of-tensorflow-part01/