TensorFlow框架特性与安装

前言

很多时候，我们都是站在巨人的肩膀上做开发探索，所以选择一个好的深度学习框架也是非常必要的。TensorFlow作为Google重要的开源项目，还是很值得信赖的。而且，我是一个英语渣，有中文文档可能是非常值得欣慰的，也足以看出使用人之多。当然，做过Android开发的人，自然就亲近Google。

TensorFlow中文社区

本文目录：

1. 简介
2. TensorFlow特性
3. TensorFlow安装
4. 小结

简介

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。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机的一个或多个CPU（或GPU），服务器，移动设备等等。

image

以上就是数据流图，数据流图用结点和线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的起点/输出的终点，或者是读取/写入持久变量的终点。线则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。张量从图中流过的直观图像是这个工具取名为TensorFlow的原因。一旦输入端的所以张量准备好，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的特性

• 真正的可移植性

  TensorFlow在CPU和GPU上都可以运行，比如说可以运行在台式机、服务器、移动设备等等。

• 自动求微分

  基于梯度的机器学习算法会受益于TensorFlow自动求微分的能力。这个在下一节就能清楚明白了。

• 看的见的训练

  TensorFlow有一个比较友好的组件，它可以让工作人员在训练网络的过程中通过仪表盘看到网络目前的表现情况。

  在TensorFlow中你只需要通过非常简单的配置命令：

  # 启动
  tensorboard --logdir=path/to/logs
  

  就能将它读取的位置指向日志路径，这样就可以读取其中的日志信息并做可视化显示。默认的Web界面位置在 http://localhost:6006 。从界面上可以看到一个训练模型的准确率以及损失函数的大小变化趋势。

TensorFlow的安装

参见：Win10 TensorFlow（gpu）安装详解

小结

既然有官方文档，那我就不用多说了。多看官方文档，进步很快。