Tensorflow框架特性与安装

    Tensorflow是一个采用数据流图，用于数值计算的开源软件库。节点时在图中表示数学操作，途中的线则表示在节点间相互联系的多维数据数组，即张量。它灵活的架构让你可以在多种平台上开展计算，台式计算机、CPU、服务器、移动设备等。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计算。

       常见的框架对比：

     （1）caffe：卷积神经网络框架，专注于卷积神经网络和图像处理，是用C++语言写成的，执行速度非常快。

    （2）chainer：一个强大、灵活、直观的机器学习python软件库，能够在一台机器上利用多个GPU进行运行，并且在运行中进行动态定义，而不是启动时定义，这也是该框架的一大亮点。

    （3）CNTK：是微软研究人员开发的用于深度神经网络和多个GPU加速技术的完整开源工具包。微软成CNTK在语音和图像识别方面，比谷歌的Tensorflow具有更强优势。

   （4）Deeplearning4J：专注于神经网络的java库，可以扩展并集成Spark、Hadoop和其他基于java的分布式集成软件。

   （5）Nervana Neo：是一个高效的pyhthon机器学习库，它能够在单个机器上使用多个模型相当容易，因此在研究中极其流行。

   （6）Torch：是一个专注于GPU实现的机器学习库，得到了像Facebook、谷歌、Twitter这样的大公司的研究团队的支持。

   安装方式：

    （1）先安装Anaconda，适用于python2.7的版本

    （2）安装后重启。

    （3）建立Tensorflow的运行环境，并将其激活、执行命令：conda create -n tensorflow python=2.7；source active tensorflow这样就激活了虚拟环境。

（4）执行以下代码进行Tensorflow的安装pip install tensorflow.python；import tensorflow as tf；hello=tf.constant('hello,tensorflow');sess=tf.Session();print(sess.run(hello));a=tf.constant(10);b=tf.constant(32);print(sess.run(a+b));