TensorFlow介紹

• 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/
• 中文社區：http://www.tensorfly.cn/

TensorFlow 是一個采用數據流圖(data flow graphs)，用于數值計算的開源軟件庫。TensorFlow 最初由Google大腦小組(隸屬于Google機器智能研究機構)的研究員和工程師們開發出來，用于機器學習和深度神經網絡方面的研究，但這個系統的通用性使其也可廣泛用于其他計算領域。它是谷歌基于DistBelief進行研發的第二代人工智能學習系統。2015年11月9日，Google發布人工智能系統TensorFlow并宣布開源。

其命名來源于本身的原理，Tensor(張量)意味著N維數組，Flow(流)意味著基于數據流圖的計算。Tensorflow運行過程就是張量從圖的一端流動到另一端的計算過程。張量從圖中流過的直觀圖像是其取名為“TensorFlow”的原因。

TensorFlow的關鍵點是：“Data Flow Graphs”，表示TensorFlow是一種基于圖的計算框架，其中節點（Nodes）在圖中表示數學操作，線（Edges）則表示在節點間相互聯系的多維數據數組，即張量（Tensor），這種基于流的架構讓TensorFlow具有非常高的靈活性，該靈活性也讓TensorFlow框架可以在多個平臺上進行計算，例如：臺式計算機、服務器、移動設備等。

備注：TensorFlow的開發過程中，重點在于構建執行流圖。

核心概念：數據流圖

數據流圖用“結點”（nodes）和“線”(edges)的有向圖來描述數學計算。

“節點” 一般用來表示施加的數學操作，但也可以表示數據輸入（feed in）的起點/輸出（push out）的終點，或者是讀取/寫入持久變量（persistent variable）的終點。

“線”表示“節點”之間的輸入/輸出關系。這些數據“線”可以輸運“size可動態調整”的多維數據數組，即“張量”（tensor）。

張量從圖中流過的直觀圖像是這個工具取名為“Tensorflow”的原因。一旦輸入端的所有張量準備好，節點將被分配到各種計算設備完成異步并行地執行運算。

圖中包含：輸入（input）、塑形（reshape）、ReLu層（ReLu Layer）、Logit層（Logit Layer）、Softmax、交叉熵（cross entropy）、梯度（gradient）、SGD訓練（SGD Trainer）等部分，是一個簡單的回歸模型

TensorFlow特性

• 高度的靈活性：只要能夠將計算表示成為一個數據流圖，那么就可以使用TensorFlow。
• 可移植性：TensorFlow支持CPU和GPU的運算，并且可以運行在臺式機、服務器、手機移動端設備等等。
• 自動求微分：TensorFlow內部實現了自動對于各種給定目標函數求導的方式。
• 多種語言支持：Python、C++
• 性能高度優化

官網直觀案例

看這個圖不就是個神經網絡嘛，所以才會用這種框架啊。?

輸入x1 x2就是一個個特征 中間的癮層 輸出層都可以自己添加節點，可以自己去試著玩一玩。

為什么選擇Tensorflow

?

?

Tensorflow安裝

• 要求：Python必須是64位
• 根據TensorFlow的計算方式，TensorFlow的安裝分為CPU版本和GPU版本
• 對于Python3.5或者Python3.6，可以使用pip install tensorflow（安裝CPU版本）和pip install tensorflow-gpu（安裝GPU版本）
• 對于Python2.7，只能通過源碼編譯來安裝TensorFlow(Windows操作系統)
• 備注：TensorFlow-GPU要求機器的顯卡必須是NVidia的顯卡。

在安裝GPU版本的時候，可以先通過 pip install tensorflow-gpu==1.9.0 安裝，然后通過 import tensorflow as tf 導入，因為還沒有安裝 CUDA和CuDNN，會報需要安裝的 CUDA的版本，然后再去安裝對應版本的 CUDA，CuDNN選擇CUDA的對應版本。

TensorFlow CPU版本安裝：

環境：Python 3.6

安裝命令：pip install tensorflow==你自己的版本號

TensorFlow GPU版本安裝：

環境：Python 3.6、NVIDIA顯卡

安裝過程：

• 安裝CUDA SDK(默認會將bin文件夾添加到PATH環境變量中，即安裝CUDA和cuDNN)
• 安裝TensorFlow GPU，安裝命令：pip install tensorflow-gpu==你自己的版本

TensorFlow-GPU安裝-CUDA

CUDA下載安裝鏈接：https://developer.nvidia.com/cuda-toolkit-archive

cuDNN下載安裝鏈接：https://developer.nvidia.com/rdp/cudnn-archive

備注：具體的CUDA版本根據導入tensorflow時提示的異常來選擇；即先安裝tensorflow-gpu，然后在python的命令行執行：import tensorflow，會出現如下異常，則表示我們需要安裝的是CUDA 8.0版本，至于cuDNN選擇和CUDA對應版本即可。

TensorFlow-GPU安裝-cuDNN

除了安裝CUDA外，還需要安裝對應版本的cuDNN，將cuDNN的壓縮包解壓，然后將壓縮包中的三個文件夾全部放到CUDA對應的根目錄下，根據環境變量找到對應的根目錄：C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v8.0；

?