Tensorflow

人工智能的几大应用领域
1.图像理解
2.语音识别
3.自然语言处理
4.机器自主
他们之间的关系
人工智能包含机器学习，机器学习包含深度学习
深度学习可以理解为是机器学习中一些复杂的算法提取出来的；深度学习与机器学习的区别就在于算法的复杂度
TensorFlow
是一个全面的深度学习框架；支持非常全面；不是专门为客户端设计
特点：
1.可移植性，引入各种计算机设备的支持包括cpu/gpu/tpu,以及能够很好的运行在移动端，如安卓设备，ios，树莓派等等
2.多语言实现，有一个合理的c++使用界面，也有一个医用的python使用界面来构建和执行你的graphs,你可以直接写python/c++程序
3.高度的灵活性和效率，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能够灵活进行组装图，执行图。随着开发的进展，tensorflow的效率不断在提高。
4.tensorflow有谷歌提供支持，谷歌投入了大量尽力开发tensorflow，他希望tensorflow成为机器学习研究人员和开发人员的通用语言
5.可视化的看见程序图的结构import tensorflow as tf node1 = tf.constant(3.0) node2 = tf.constant(4.0) sum = tf.add(node1,node2) with tf.session() as sess: print(sess.run(sum))
tensorflow 数据流程图