【TensorFlow深度学习框架教程三】初识TensorFlow和神经网络

初识TensorFlow

TensorFlow的前世今生

TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。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为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。
TensorFlow可被用于语音识别或图像识别等多项机器学习和深度学习领域，对2011年开发的深度学习基础架构DistBelief进行了各方面的改进，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。TensorFlow将完全开源，任何人都可以用。
在过去的一年（2017年）中，TensorFlow成功成为Github年度报告盘点的赢家——因为Github Fork最多的项目就是它，这也是唯一上榜的机器学习项目（机器学习包含深度学习）。近两年，机器学习热度疯涨，在GitHub上无论是Star数量还是Fork数都很高，这也说明很多开发者都开始向这个方向转型，可能已经在准备将机器学习作为今后的主要研究方向之一。

TensorFlow的安装

关于TensorFlow的安装，网上也有很多教程了，对于大家来说应该没有什么难度，这里只讲讲CPU版本的安装
[TensorFlow只支持Nvidia计算能力（compute capability）大于3.0的GPU。如果要支持GPU，那么还需要安装Nvidia的Cuda Tookit（版本大于等于7.0）和cuDNN（版本大于等于v2）]
在Ubuntu/Linux 64-bit, Python 2.7环境， CPU Only环境下安装简单来说有三步：

• 1.安装pip

$ sudo apt-get install python-pip python-dev

• 2.找到合适的安装包URL

$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.3.0-cp27-none-linux_x86_x64.whl

• 3.通过pip安装TensorFlow

$ sudo pip install --upgrade $TF_BINARY_URL

通过以上简单3步，TensorFlow环境就安装完成了（可以根据自己机子的需求修改相应指令参数）。
此时可以编译运行验证环境小程序，测试TensorFlow环境是否已经成功安装。

TensorFlow的组成

Tensorflow中的每一个计算都是计算图上的一个节点，而节点之间的边描述了计算之间的依赖关系。
而基于Tensorflow的NN（Neural Network，神经网络）就是用张量表示数据，用计算图搭建NN，用会话执行计算图，优化线上的权重（参数），得到模型。

①张量（Tensor）：

• Tensor：张量，即多维数组（列表,处理类型）
• 阶是张量的维数。零阶张量——>标量；1阶张量——>向量；n阶张量——>n维数组
• 张量中并没与保存具体的数字，而是保存的这些数字的计算过程
• 张量包括三种属性：
  • a. 名字（唯一的标识符，同时给出张量如何计算得来的）
  • b. 维度（g