TensorFlow基础（1）特点&安装&基本用法

TensorFlow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。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。它是谷歌基于DistBelief进行研发的第二代人工智能学习系统。2015年11月9日，Google发布人工智能系统TensorFlow并宣布开源。
其命名来源于本身的原理，Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算。Tensorflow运行过程就是张量从图的一端流动到另一端的计算过程。张量从图中流过的直观图像是其取名为“TensorFlow”的原因。

关键点

TensorFlow的关键点：Data Flow Graphs！
TensorFlow是一种基于图的计算框架，其中节点（nodes）在图中表示数学操作，线（edges）表示在节点间互相联系的多维数据数组，即张量（Tensor），这种基于流的框架让TensorFlow具有非常高的灵活性，可以在多个平台上进行计算，如台式计算机，服务器，移动设备等。TensorFlow的开发过程重点在于构建执行流图

数据流图使用节点和线的有向图描述数学计算，节点一般用来表示施加的数学操作，也可以表示数据输入的起点和输出的重点或者读取/写入持久变量的重点，线表示的是节点之间的输入/输出关系，这些线可以输运“size可动态调整”的多维数组，即张量（Tensor）；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。

特性

• 高度的灵活性：只要能够将计算表示成为一个数据流图，就可以使用TensorFlow
• 可移植性：TensorFlow支持CPU和GPU的运算，并且可以运行在台式机，服务器，手机移动端设备等
• 自动求微分：TensorFlow内部实现了自动对于各种给定目标函数求导的方式
• 多语言支持：Python，C++
• 性能高度优化

TensorFlow神经网络直观案例
GitHub
Website

why choose？

机器学习处理的数据量即效果都陷入瓶颈，深度学习开拓了新思路。

【深度学习框架的使用（市占率）占比】

【框架对比】

TensorFlow安装

要求：Python必须是64位
根据TensorFlow的计算方式，TensorFlow的安装分位CPU版本和GPU版本：

• 对于Python3.5、3.6版本，pip install tensorflow==1.40（安装CPU）和pip install tensorflow-gpu==1.40（安装GPU）
• 安装到GPU上，默认在GPU上运行，可以指定CPU上运行，因为GPU的运行速度比CPU快，所以会尽可能的运行在GPU上
• 对于Python2.7，只能通过源码编译来安装TensorFlow（Windows操作系统）
• TensorFlow-GPU要求机器的显卡必须是NVidia的显卡