搭建TensorFlow环境

本文介绍了TensorFlow的环境搭建,包括为何学习TensorFlow、其处理结构以及基本使用方法,如数据流图、计算图的概念和操作。通过实验,学习者将了解如何在Python环境中安装和启动TensorFlow,以及TensorFlow的核心组件如Tensor和Variable的使用。
摘要由CSDN通过智能技术生成

搭建TensorFlow环境

一、实验介绍

1.1 实验内容

TensorFlow 是 Google 开发的一款神经网络的 Python 外部的结构包,也是一个采用 数据流图 来进行数值计算的开源软件库。它被用于语音识别或图像识别等多项机器深度学习领域,它可在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。

本实验学习 TensorFlow 的基础操作,并用其实现经典的 卷积神经网络 (Convolutional Neural Networks,CNN)。

在本节实验中,我们不会再对 神经网络 以及 卷积神经网络 基本概念作出详细的解释,所以在学习本门课程之前,你需要具备神经网络及卷积神经网的基础, 1.4 先修课程 会帮助你达到这些要求,当然,如果你具备深度学习的基础,那么你可以选择跳过这些课程,直接开始本节实验。那么,现在就让我们一起开启 TensorFlow 的大门,成为一名 “TF-Boy” 吧!

1.2 实验知识点

  • 数据流图
  • TensorFlow基本使用
  • 搭建 TensorFlow 环境

1.3 实验环境

  • python2.7
  • TensorFlow
  • Xfce终端

二、 开始 TensorFlow

2.1 为什么学习TensorFlow?

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。

TensorFlow 无可厚非地能被认定为神经网络中最好用的库之一,它擅长的任务就是训练深度神经网络。通过使用 TensorFlow 我们就可以快速的入门神经网络,大大降低深度学习(也就是深度神经网络)的开发成本和开发难度;TensorFlow 的开源性让所有人都能使用并且维护、 巩固它,使它能迅速更新, 发展。

虽然可能有些人说 caffe 更适合图像,mxnet 效率更高等等,但其实这些框架一通百通,唯独语法不同而已,所以我们不必在此纠结过多。那么让我们从tensorflow开始吧。

2.2 Tensorflow 处理结构

TensorFlow 让我们可以先绘制计算结构图,也可以称是一系列可人机交互的计算操作, 然后把编辑好的Python文件转换成更高效的 C++,并在后端进行计算。

TensorFlow 首先要定义神经网络的结构,然后再把数据放入结构当中去运算和training

下面动图展示了 TensorFlow 数据处理流程:

image

因为TensorFlow是采用 数据流图(data flow graphs)来计算, 所以首先我们得创建一个数据流图,然后再将我们的数据(数据以 张量(tensor) 的形式存在)放到数据流图中计算。

图中的 节点(Nodes)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(edges)则表示在节点间相互联系的多维数据数组,即 张量(tensor),训练模型时,tensor 会不断的从数据流图中的一个节点 flow 到另一节点, 这就是 TensorFlow 名字的由来。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。

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。

2.3 Tensorflow 基本使用

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
  • 使用 tensor 表示数据
  • 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
2.3.1 概要

TensorFlow 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]。

一个 TensorFlow 图描述了计算的过程。 为了进行计算,图必须在 Session 里被启动。Session 将图的 op 分发到诸如 CPU 或 GPU 之类的设备上&#x

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值