TensorFlow 快速入门

TensorFlowNotes

github
面向普通开发者的机器学习入门

环境搭建

• 操作系统：以Window 64bit 为例（Window、MacOS、Linux都以支持TensorFlow安装）
• python环境搭建
• TensorFlow安装

python环境搭建

注意： 目前Window用户只能使用python3.5（64bit）。MacOS，Linux支持python2.7和python3.3+

具有python基础的可以跳过这一步（如果是Window环境，需要注意对应版本）。

无python基础的强烈推荐使用Anaconda（可以认为是python的集成环境）进行搭建：

• 下载地址，Anaconda3_4.2.0 对应 python3.5
• Window下安装 Anaconda 后(过程略)，会自动将相关路径添加至环境变量中
• （新起的）命令行窗口中输入：conda list 可以查看已集成好的一些环境，如Python、Pip
• 如果你没有比较熟悉的用于开发Python的IDE，可以先使用自带的：Jupyter Notebook（在安装目录的子目录Scripts中即可找到）

知识点：要求了解 Anaconda 、 Pip、Jupyter Notebook 的基本使用

TensorFlow安装

Windows 环境下安装

• CPU版本

  “黑窗口”中运行指令：

pip install tensorflow

• GPU版本

  “黑窗口”中运行指令：

pip install tensorflow-gpu

由于GPU版本还需要进行对应环境的支持，因此暂不在本篇文章说明，我们仅安装CPU版本即可。

环境验证

可以在 python环境的黑窗口中运行：

无报错即表明以上环境皆安装成功，接下来可以准备正式开启TenserFlow之旅了。

---

前提条件和准备工作

参照官方对于机器学习入门的建议

主要是要求基本一定的 数学基础（本科课程能力）与python编程基础。你可以先刷一遍官方文档，也可以在后续的文章中，根据提到的知识点进行学习（对自己的知识体系进行查缺补漏）。

TensorFlow 基本概念

官方中文文档， 以下内容为个人笔记（概要）

使用 TensorFlow, 你必须明白 TensorFlow:

• 使用图 (graph) 来表示计算任务.
• 在被称之为 会话 (Session) 的上下文 (context) 中执行图.
• TensorFlow 程序使用 tensor(张量)数据结构来代表所有的数据。tensor 看作是一个 n 维的数组或列表. 一个 tensor 包含一个静态类型 rank, 和 一个 shape.
• 通过 变量 (Variable) 维护状态.
• 使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据.

TensorFlow 是一个编程系统, 使用图来表示计算任务. 图中的节点被称之为 op (operation 的缩写). 一个 op 获得 0 个或多个 Tensor, 执行计算, 产生 0 个或多个 Tensor. 每个 Tensor 是一个类型化的多维数组. 例如, 你可以将一小组图像集表示为一个四维浮点数数组, 这四个维度分别是 [batch, height, width, channels].

从Demo入手

以上的概念对于新手可能会有些抽象， 不过没关系，我们可以借助代码来理解。当前环境使用的是：

• Window 7 (64bit)
• TensorFlow 1.7.0
• Python 3.5.2 :: Anaconda 4.2.0 (64-bit)

构建并启动图

一个简单的矩阵相乘：

import tensorflow as tf

# 创