解码 Google I/O , 洞见科技未来-TensorFlow之遇见

[全栈若城]

 一、TensorFlow的概要-- 遇见

 TensorFlow是啥

Tensorflow的命名来源于本身的运行原理：Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，数据流图中的图就是我们所说的有向图。在图这种数据结构中包含两种基本元素：节点和边。这两种元素在数据流图中有自己各自的作用：节点用来表示要进行的数学操作，任何一种操作都有输入\输出,因此它也可以表示数据的输入的起点\输出的终点；边表示节点与节点之间的输入\输出关系，一种特殊类型的数据沿着这些边传递。这种特殊类型的数据在TensorFlow被称之为tensor，即张量，所谓的张量通俗点说就是多维数组。当我们向这种图中输入张量后，节点所代表的操作就会被分配到计算设备完成计算。TensorFlow就是张量从流图的一端流动到另一端的计算过程。

为什么要用TensorFlow

TensorFlow是一种即用于实现机器学习算法的接口，也是一种执行机器学习算法的开源框架。它提供了Python、C++、Go、Java等多种前端开发语言以及C++、CUDA等后端实现，可方便地在众多异构系统上部署。TensorFlow不仅支持深度学习算法，还能够应用于诸如线性回归、逻辑回归、随机森林等其他类型的算法。TensorFlow已经被广泛应用于许多领域，如语音识别、自然语言处理、计算机视觉、机器人控制、信息提取、药物研发、分子活动预测等。通过使用TensorFlow框架，开发者们可以建立大规模的深度学习模型，以获得在这些领域最前沿的成果。

TensorFlow特性

TensorFlow具有很高的灵活性，它是一款非严格的“神经网络”库。只要计算能够表示为数据流图，就可以使用TensorFlow进行处理。

此外，TensorFlow具有很好的可移植性，其底层核心采用C++编写，可以在台式机、服务器、手机移动等设备上运行，提供对分布式的支持，可以快速构建深度学习集群。

TensorFlow还支持多种开发语言，包括Python、C/C++、Java和Go等，并且还有非官方支持的Scala语言。尽管支持多种语言，但目前对Python接口的支持最好。

TensorFlow对线程、队列、异步操作等提供了强大的支持，能够充分发挥CPU和GPU等硬件的潜力，从而使得深度学习模型的运行变得更加高效。

二、TensorFlow环境搭建(CPU) -- 相知

基于Windows 10系统

 

首先，需要安装Python（建议使用Python 3及以上版本）。可以前往官方网站

在安装Python时，建议勾选自动配置环境变量的选项以便更方便地使用Python。安装成功后，可以在命令行窗口输入python命令来确认Python已经成功安装。

接下来，我们需要安装TensorFlow及其相关组件。可以在命令提示符（管理员权限）中输入pip install tensorflow来安装TensorFlow。但需要注意的是，如果使用命令行安装TensorFlow，需要确保计算机的网络能够访问谷歌的相关网站，否则会出现连接失败的情况。

当出现“Successfully installed”消息时，说明TensorFlow已经成功安装。此时可以打开命令提示符（管理员权限），输入python命令，并输入以下代码进行测试：

import tensorflow as tf

aaa = tf.constant('你好, TensorFlow!')

sess = tf.Session()

print(sess.run(aaa))

a = tf.constant(101)

b = tf.constant(35)

print(sess.run(a+b))

执行完毕后，将会输出相应的结果。至此，TensorFlow的环境已经成功搭建完成。

三、TensorFlow总结--相爱

总的来说，TensorFlow是一款比较容易上手的深度学习框架，与传闻中不堪的情况并不相符。尽管下载和环境配置的步骤有些繁琐，并且不同版本之间兼容性较差，但这些问题可以通过查找网上的资料解决。

TensorFlow的核心观念非常新颖，以计算为轴而不是以数据为轴，这体现了计算对于人工智能的重要程度。在神经网络的构建和算法实现方面，提供了新的观点和角度。当然，我并未尝试过PyTorch或其他构建工具，因此无法对这些工具进行比较评价。

 

[全栈若城]

看都看了 ,给个五星再走呗