TensorFlow 简介

TensorFlow介绍

Tagline：An open-source software library for Machine Intelligence.
Definition：TensorFlow TM is an open source software library for
numerical computation using data flow graphs.
GitHub：https://github.com/tensorflow/tensorflow
Website：https://tensorflow.org/ or https://tensorflow.google.cn/
中文社区：http://www.tensorfly.cn/

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。TensorFlow 最初由Google大脑小组(隶属于Google机器智能研究机构)的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。它是谷歌基于DistBelief进行研发的第二代人工智能学习系统。2015年11月9日，Google发布人工智能系统TensorFlow并宣布开源。

其命名来源于本身的原理，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运行过程就是张量从图的一端流动到另一端的计算过程。张量从图中流过的直观图像是其取名为“TensorFlow”的原因。

TensorFlow的关键点是：“Data Flow Graphs”，表示TensorFlow是一种基于图的计算框架，其中节点（Nodes）在图中表示数学操作，线（Edges）则表示在节点间相互联系的多维数据数组，即张量（Tensor），这种基于流的架构让TensorFlow具有非常高的灵活性，该灵活性也让TensorFlow框架可以在多个平台上进行计算，例如：台式计算机、服务器、移动设备等。

备注：TensorFlow的开发过程中，重点在于构建执行流图。

核心概念：数据流图

数据流图用“结点”（nodes）和“线”(edges)的有向图来描述数学计算。

“节点” 一般用来表示施加的数学操作，但也可以表示数据输入（feed in）的起点/输出（push out）的终点，或者是读取/写入持久变量（persistent variable）的终点。

“线”表示“节点”之间的输入/输出关系。这些数据“线”可以输运“size可动态调整”的多维数据数组，即“张量”（tensor）。

张量从图中流过的直观图像是这个工具取名为“Tensorflow”的原因。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地执行运算。

å¨è¿éæå¥å¾çæè¿°

图中包含：输入（input）、塑形（reshape）、ReLu层（ReLu Layer）、Logit层（Logit Layer）、Softmax、交叉熵（cross entropy）、梯度（gradient）、SGD训练（SGD Trainer）等部分，是一个简单的回归模型

TensorFlow特性

高度的灵活性：只要能够将计算表示成为一个数据流图，那么就可以使用TensorFlow。
可移植性：TensorFlow支持CPU和GPU的运算，并且可以运行在台式机、服务器、手机移动端设备等等。
自动求微分：TensorFlow内部实现了自动对于各种给定目标函数求导的方式。
多种语言支持：Python、C++
性能高度优化

官网直观案例

webp

看这个图不就是个神经网络嘛，所以才会用这种框架啊。

输入x1 x2就是一个个特征中间的瘾层输出层都可以自己添加节点，可以自己去试着玩一玩。

为什么选择Tensorflow

Tensorflow安装

要求：Python必须是64位
根据TensorFlow的计算方式，TensorFlow的安装分为CPU版本和GPU版本
对于Python3.5或者Python3.6，可以使用pip install tensorflow（安装CPU版本）和pip install tensorflow-gpu（安装GPU版本）
对于Python2.7，只能通过源码编译来安装TensorFlow(Windows操作系统)
备注：TensorFlow-GPU要求机器的显卡必须是NVidia的显卡。

在安装GPU版本的时候，可以先通过 pip install tensorflow-gpu==1.9.0 安装，然后通过 import tensorflow as tf 导入，因为还没有安装 CUDA和CuDNN，会报需要安装的 CUDA的版本，然后再去安装对应版本的 CUDA，CuDNN选择CUDA的对应版本。