深度学习之TensorFlow实战1

Tensorflow介绍
Tensorflow安装
Tensorflow基础

TensorFlow介绍

Tagline：An open-source software library for Machine Intelligence.
Definition：TensorFlowTM is an open source software library for
numerical computation using data flow graphs.
GitHub：https://github.com/tensorflow/tensorflow
Website：https://tensorflow.org/ or https://tensorflow.google.cn/

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。

TensorFlow的关键点是：“Data Flow Graphs”，表示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）则表示在节点间相互联系的多维数据数组，即张量（Tensor），这种基于流的架构让TensorFlow具有非常高的灵活性，该灵活性也让TensorFlow框架可以在多个平台上进行计算，例如：台式计算机、服务器、移动设备等。备注：TensorFlow的开发过程中，重点在于构建执行流图。

What is Data Flow Graphs?

数据流图使用节点（Node）和线（Edges）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(feed in)的起点和输出(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。

TensorFlow的特性

高度的灵活性：只要能够将计算表示成为一个数据流图，那么就可以使用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。
多种语言支持：Python、C++
性能高度优化

TensorFlow神经网络案例

Why choose TensorFlow?

TensorFlow安装

要求：Python必须是64位
根据TensorFlow的计算方式，TensorFlow的安装分为CPU版本和GPU版本
对于Python3.5或者Python3.6，可以使用pip install tensorflow（安装CPU版本）和pip install tensorflow-gpu（安装GPU版本）
对于Python2.7，只能通过源码编译来安装TensorFlow
备注：TensorFlow-GPU要求机器的显卡必须是NVidia的显卡。

TensorFlow CPU版本安装：
环境：Python 3.6
安装命令：pip install tensorflow==1.4.0

TensorFlow GPU版本安装：
环境：Python 3.6、NVIDIA显卡
安装过程：安装CUDA SDK(默认会将bin文件夹添加到PATH环境变量中，即安装UCDA和cuDNN)
安装TensorFlow GPU，安装命令：pip install tensorflow-gpu==1.4.0

TensorFlow-GPU安装-CUDA

CUDA下载安装链接：https://developer.nvidia.com/cuda-toolkit-archive
cuDNN下载安装链接：https://developer.nvidia.com/rdp/cudnn-archive
备注：具体的CUDA版本根据导入tensorflow时提示的异常来选择；即先安装tensorflow-gpu，然后在python的命令行执行：import tensorflow，会出现如下异常，则表示我们需要安装的是CUDA 8.0版本，至于cuDNN选择和CUDA对应版本即可。


除了安装CUDA外，还需要安装对应版本的cuDNN，将cuDNN的压缩包解压，然后将压缩包中的三个文件夹全部放到CUDA对应的根目录下，根据环境变量找到对应的根目录：C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v8.0；