TensorFlow

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。

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

正在上传…重新上传取消转存失败重新上传取消

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。

TensorFlow CPU版本安装：

环境：Python 3.6
安装命令：pip install tensorflow==你自己的版本号

TensorFlow GPU版本安装：

环境：Python 3.6、NVIDIA显卡
安装过程：

• 安装CUDA SDK(默认会将bin文件夹添加到PATH环境变量中，即安装CUDA和cuDNN)
• 安装TensorFlow GPU，安装命令：pip install tensorflow-gpu==你自己的版本

TensorFlow-GPU安装-CUDA

CUDA下载安装链接：https://developer.nvidia.com/cuda-toolkit-archive
cuDNN下载安装链接：https://developer.nvidia.com/rdp/cudnn-archive
备注：具体的CUDA版本根据导入tensorflow时提示的异常来选择；即先安装tensorflow-gpu，然后在python的命令行执行：import tensorflow，会出现如下异常，则表示我们需要安装的是CUDA 8.0版本，至于cuDNN选择和CUDA对应版本即可。

TensorFlow-GPU安装-cuDNN

除了安装CUDA外，还需要安装对应版本的cuDNN，将cuDNN的压缩包解压，然后将压缩包中的三个文件夹全部放到CUDA对应的根目录下，根据环境变量找到对应的根目录：C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v8.0；

Tensorflow基本概念

• 图(Graph):图描述了计算的过程，TensorFlow使用图来表示计算任务。
• 张量(Tensor):TensorFlow使用tensor表示数据。每个Tensor是一个类型化的多维数组。
• 操作(op):图中的节点被称为op(opearation的缩写)，一个op获得/输入0个或多个Tensor，执行计算，产生0个或多个Tensor。
• 会话(Session):图必须在称之为“会话”的上下文中执行。会话将图的op分发到诸如CPU或GPU之类的设备上执行。
• 变量(Variable):运行过程中可以被改变，用于维护状态

边的概念

TensorFlow的边即有两种连接关系:

• 数据依赖
• 控制依赖

实线边表示数据依赖，代表数据，即张量。任意维度的数据统称为张量。在机器学习算法中，张量在数据流图中从前往后流一遍就完成一次前向传播，而残差从后向前流动一遍就完成一次反向传播。

虚线边表示控制依赖，可以用于控制操作的运行，这被用来确保happens-before关系，这类边上没有数据流过，但源节点必须在目的节点开始执行前完成。

Tensorflow数据属性

节点

节点又称为算子，它代表一个操作，一般用来表示施加的数字运算，也可以表示数据输入的起点以及输出的重点，或者是读取/写出持久化变量的终点

使用Tensorflow必须理解下列感念：

TensorFlow可以认为是一种编程工具，使用TensorFlow来实现具体的业务需求，所以我们可以认为TensorFlow就是一个“工具箱”，然后我们使用TensorFlow这个“工具箱”中的各种“工具”(方法/API)来实现各种功能，比如使用TensorFlow实现基本的数值计算、机器学习、深度学习等；使用TensorFlow必须理解下列概念

• 使用图(graph)来表示计算任务；
• 在会话(session)的上下文中执行图；
• 使用tensor表示数据；
• 通过变量(Variable)来维护状态 ；
• 使用feed和fetch可以为任意的操作(Operation/op)赋值或者从其中获取数据。