Google的TensorFlow 介绍与安装教程

Google的TensorFlow 介绍与环境安装教程

一.TensorFlow介绍

TensorFlow 是由Google推出的世界上最受欢迎的开源机器学习框架，它能够灵活适用于各类应用，能够让所有开发者和研究者都能使用人工智能来解决多样化的挑战。

顾名思义，Tensor的意思是张量，代表N维数组；Flow的意思是流，代表基于数据流图的计算。TensorFlow把N维数字从数据流图的一端流动到另一端的过程，就是人工智能进行分析和处理的过程。

随着Android系统移动软件开发的广泛应用，Google 推出开源的TensorFlow,希望能够将AI结合到Android开发中，引领未来的人工智能趋势。

TensorFlow作为一个深度学习框架，支持Linux、Windows、Mac、以及移动端的Android平台。TensorFlow提供了丰富的深度学习相关API，包括基本的向量矩阵计算、各种优化算法、各种卷积神经网络和循环神经网络基本单元的实现、以及可视化的辅助工具。正因为TensorFlow 具有如此便捷和强大的功能，在短短几年的时间内，已经在各领域有了广泛的应用。

目前TensorFlow 已经在Nvidia、Google、Intel、Ebay、京东、网易、新浪、联想等世界知名IT企业所广泛应用。

二. TensorFlow 的工作流程

图01-1TensorFlow的基本架构

假设要判断一张图片里面动物是猫还是狗。以传统的编程方法要实现这样的识别是非常困难的。因为要判断动物，需要识别它的品种、身形、颜色各种特征。

利用TensorFlow,可以构建一个模拟人脑神经元的神经网络。这些神经元以层为集合单位，从输入的图片到判断的输出关联起来。经过浏览大量猫狗的图片的训练，进行预测。一开始，所有这些神经元都被随机地初始化，完全凭猜。

之后计算猜测与正确结果的误差。然后使用误差，来调整神经元之间的连接强度。经过反复的训练以及调整无法后，基本就可以实现对猫狗的正确识别。

因此只需要用户给出一张图片，即使模型从未见过这张图，也能够正确判断中图中的是猫还是狗。

TensorFlow能够在大型神经网络中表现地如此高效的原因是它能把代码转换成操作图，对操作图进行操作和分析。

三.TensorFlow 环境安装

TensorFlow 环境的安装有三种方式。

3.1 PIP安装

PIP 是软件包管理系统，用于安装和管理Python编写的软件。适用于Linux或MAC环境。

安装PIP

# Ubuntu/Linux 64-bit
$ sudo apt-get install python-pip python-dev

# Mac OS X
$ sudo easy_install pip

安装 TensorFlow

Python 2

 sudo pip install --upgrade $TF_BINARY_URL

Python 3

sudo pip3 install --upgrade $TF_BINARY_URL

变量”$TF_BINARY_URL ”根据运行环境进行设置，如：

# Ubuntu/Linux 64-bit, CPU only, Python 2.7
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.1-cp27-none-linux_x86_64.whl

# Mac OS X, CPU only, Python 2.7:
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.12.1-py2-none-any.whl

# Ubuntu/Linux 64-bit, CPU only, Python 3.4
$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.1-cp34-cp34m-linux_x86_64.whl

3.2 TensorFlow源码编译

可以在GitHub 上直接下载TensorFlow 的源代码进行编译安装。

https://github.com/tensorflow/tensorflow

下载源码

$ git clone --recurse-submodules https://github.com/tensorflow/tensorflow

安装 Bazel（Bazel是来自Google的构建工具，可以快速、可靠地构建代码，内置了对构建客户端和服务端软件的支持，包括Android和iOS平台客户端应用程序）

可到官网自行下载

https://docs.bazel.build/versions/master/install.html

编译安装
$ bazel build -c opt //tensorflow/tools/pip_package:build_pip_package