初识tensorflow——目前最强大的深度神经网络工具

背景简介

机器学习是当前一大热门，涉及领域也十分广泛。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。tensorflow是一个基于数据流编程的符号数学系统，被广泛用于各类机器学习算法的编程实现，已然成为机器学习生态系统中的重要基石。

tensorflow概要

由Goole Brain开源， 设计初衷是加速机器学习的研究。2015年11月在GitHub上开源，2016年4月分布式版本，2017年发布了1.0版本，趋于稳定
Google希望让这个优秀的工具得到更多的应用，从整体上提高深度学习的效率

核心概念

TensorFlow中的计算可以表示为一个有向图（Directed Graph）
或者称为计算图（Computation Graph），其中每一个运算操作（operatin）将作为一个节点（node），计算图描述了数据的计算流程，也负责维护和更新状态(更新w参数)。用户通过python, c++, go, java语言设计这个数据计算的有向图，计算图的每一个节点可以有任意多个输入和任意多个输出，每一个节点描述了一种运算操作，节点可以算是运算操作的实例化（instance），计算图中的边里面流动（flow）的数据被称为张量（tensor），故而得名 TensorFlow。

TensorFlow 相关链接

TensorFlow官方网址：https://tensorflow.google.cn/

GitHub网址： github.com/tensorflow/tensorflow

模型仓库网址： github.com/tensorflow/models

支持语言

Python

C++

Go

Java

后端使用C++, CUDA

Google 大量成功项目

Android系统

Chromium浏览器

Go编程语言

JavaScript引擎V8

Protobuf数据交换框架

Bazel编译工具

OCR工具Tesseract

TensorFlow实现的算法可以在众多异构的系统上方便地移植，比如Android手机，iphone，
普通CPU服务器，大规模GPU集群

除了执行深度学习算法，TensorFlow还可以用来实现很多其他算法，包括线性回归，逻辑回归，随机森林等

TensorFlow建立的大规模深度学习模型应用场景也非常广，包括语音识别、自然语言处理、计算机视觉、机器人控制、信息抽取、药物研发、分子活动预测

学习tensorflow之前需要先有一定的编程和机器学习经验，可将其理解为学习机器学习的计算抽象框架。

模块的安装及导入

导入前需要先进行模块的安装

tensorflow的安装包括在cpu的安装和在gpu的安装，在Linux/Ubuntu系统中包括cpu的安装和在gpu上的安装，而在Mac OS X 系统中，从1.2版本开始，不再支持gpu的安装。tensorflow的安装包括以下几种方式：

• virtualenv （创建隔离容器，easily 排查安装问题）
• "本地"pip （最简单的安装方式）
• Docker （不用担心兼容性问题）
• 从源代码安装，更专业有单独的文档记录

首先需要在使用的环境中安装TensorFlow，TensorFlow 的 Ubuntu/Linux 安装分为 CPU 版本和 GPU 版本

（1）安装仅支持 CPU 的版本，直接安装如下：

              pip install tensorflow==1.13.1 

（2）安装支持 GPU 的版本的前提是已经安装了 CUDA SDK，直接使用下面的命令：

              pip install tensorflow-gpu==1.13.1 

安装完成后导入模块

              import tensorflow as tf

虽然对于大多数人来说，tensorflow的开发语言是python，但它并不是有一个标准的的python库。在理解上，tensorflow与html框架类似，tensorflow是一种用于表示某种类型的计算抽象的框架，目前主要用于神经网络的训练。

tensorflow的使用

查看tensorflow安装版本
__ version__ = pywrap_tensorflow.__ version__

import tensorflow
print(tensorflow.__version__)

tf.Session( ) 和tf.InteractiveSession