python与tensorflow的关系_Python深度学习&神经网络之TensorFlow入门语法（一）

讲师介绍

Bingo：企业培训讲师, 专注区块链技术、Python、Java开发技术研究和项目落地应用，10年开发经验，7年授课经验

Python方向：Django、Scrapy、Scikit-Learn、Tensorflow、CNN、DNN、RNN

Blackchain方向：BitCoin、Solidity、Truffle、Web3、Hyperledger Fabric

Java方向：SSH、SSM、StringBoot、Spring Cloud、WebService、CXF、Design Pattern

Python应用场景

Python 深度学习

课程特色

时间就是生命，浓缩才是精华 (4小时，完成了感知器、简单神经网络、深度神经网络)

课程体系完整 ( 环境搭建、需求、手把手编码、参数调优、模型保存与加载)

案例驱动教学 (深入浅出、案例为导向、学以致用)

导师答疑 (拒绝助教，讲师当天解决答疑)

课程适合人群

具备Python 机器学习开发经验、其它语言类开发人员、创业者

1-2 深度学习介绍与TensorFlow安装

文章目录人工智能发展历史

深蓝(算)与AlphaGo(想)

深度学习应用场景

什么是TensorFlow

张量与数据流

添加pip加速器

pip下载tensorflow

查看TensorFlow版本

人工智能发展历史

深蓝(算)与AlphaGo(想)

棋类游戏的核心在于根据棋局判断下一手的最优算法。深蓝采用的是穷举法在国际象棋的棋局中解决这个问题，在64格的象棋棋盘上，深蓝的运算能力决定了它能算出12手棋之后的局面下的最优解，而人类顶尖棋手卡斯帕罗夫只能算出10手棋。1997年5月对抗卡斯帕罗夫，成为历史上第一个在标准国际象棋比赛中打败卫冕世界冠军的计算机系统。机器的胜利标志着国际象棋历史的新时代。

而围棋落子点数达到了361个。这使得计算机相对于人脑的运算优势变得微不足道。因此采用穷举法进行最优落子策略推演无异于痴人说梦话。而与深蓝相比，AlphaGo的核心则在于"想",它吸取了人类棋手的海量棋谱数据，并依赖人工神经网络和深度学习技术从这些数据中学会了预测人类棋手在任意棋盘状态下走子的概率。模拟了人类棋手的思维对棋局的思考过程。

深蓝以暴力穷举法专用的人工智能，而AlphaGO是几乎没有特定领域知识的，基于学习与模仿，更加通用的人工智能。

深度学习应用场景

深度学**********特征值的情况，例如：图形图像、语音识别、自然语言处理、视频识别、自动驾驶等领域…

什么是TensorFlowTensorFlow是一个用于人工智能的开源神器，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的计算过程。

张量与数据流

添加pip加速器如果下载速度比较慢：windows下，直接在登录用户下创建一个pip目录然后新建一个pip.ini配置文件：C:\Users\Administrator\pip\pip.ini

pip下载tensorflow

查看TensorFlow版本

1-3 TF常量与变量

文章目录标量、向量、张量

TensorFlow数据类型

TensorFlow常量操作

TensorFlow变量操作

标量、向量、张量标量占据的是零维数组，向量占据的是一维数组 (语言信号)，矩阵占据的是二维数组 (灰度图)，张量占据的是3维乃至更高维度的数组，例如：RGB图像和视频

TensorFlow数据类型

TensorFlow与Python一样对数据类型要求非常严格，而且不支持自动类型转化，这是因为Py与TF本身主要的应用场景是数据挖掘与机器学习，这样的背景通常会进行大量的矩阵运算，如果数据类型不严格或者支持自动类型转化，会导致运算效率变低和运算结果不可预期。

TensorFlow常量操作Tensor 代表就是TF的数据结构，张量本身又分为三种：常量，变量，占位符

真正启动Session, 连接到时graph时张量才能被操作

TF采用的是类似数据库的的声明式编程，Session前面都可以理解成声明，只有调用sess.run才代表真正的执行操作

TensorFlow变量操作通过with方式获取session可以不用关闭。

所有变量在执行之前必须用进行 sess.run(tf.global_variables_initializer()) 初始化操作。

Tensor张量四个重要属性：value、dtype、shape、name。

1-4 可视化与占位符

文章目录

Tensorboard可视化

执行TensorBoard命令

TensorFlow之占位符

Tensorboard可视化

Tensorboard命令与pip一样默认在Anaconda的Script目录中,在Tensorflow1.0以上的版本会自动安装,类似Tomcat，IIS服务器,TensorBoard通过读取TensorFlow的事件文件来运行，采用FireFox浏览器可以正常访问，如果chrom浏览器访问失败则需要升级到最新版即可。

执行TensorBoard命令

TensorFlow之占位符TensorFlow使用占位符操作表示图外输入的数据，如训练和测试的数据。

TensorFlow数据流图描述了算法模型的计算拓扑，其中各操作都是抽象的函数映射或者数学表达式。

数据流图本身仅仅是一个"壳" 在用户向数据流图填充数据前，图并没有执行任何计算。