学习文档:
https://tensorflow.google.cn
https://www.w3cschool.cn/tensorflow_python
http://www.tensorfly.cn/
www.ai8py.com
更多:TensorFlow…
TensorFlow是Google开源的一款人工智能学习系统。
为什么叫这个名字呢?
Tensor的意思是张量,代表N维数组;
Flow的意思是流,代表基于数据流图的计算。
把N维数字从流图的一端流动到另一端的过程,就是人工智能神经网络进行分析和处理的过程。
话说在Android占领了移动端后,Google开源了TensorFlow,希望占领AI端。TF的特点是可以支持多种设备,大到GPU、CPU,小到平板和手机都可以跑起来TF。而且TF的使用很方便,几行代码就能开始跑模型,这让神经网络的入门变得非常简单。
本文是第一篇,都是最基础的内容,老手可以略过
一、TensorFlow的安装
在开始写代码之前,咱们先得把TensorFlow安装到电脑上。这里有两种方法,一是一个一个手动命令行安装,二是批量的图形化界面安装。
先看手动安装,我们安装好TensorFlow和upyter Notebook就可以了。
1)安装TensorFlow
Windows上:
安装CPU版本:管理员模式打开命令行,输入命令:pip install tensorflow
安装GPU版本:管理员模式打开命令行,输入命令:pip install tensorflow-gpu
Linux上:
命令和上面一样,如果你使用的是Python3点几的版本,那么安装命令为:
安装CPU版本:输入命令:pip3 install tensorflow
安装GPU版本:输入命令:pip3 install tensorflow-gpu
如果提示没有安装pip,mac的同学可以先通过命令安装pip:
1 命令行输入:
curl https://bootstrap.pypa.io/ez_setup.py-o – | sudo python
2 命令行输入:sudo easy_install pip
2)安装Jupyter Notebook
这是一个交互式的笔记本,你可以理解为一个比较漂亮和简洁的编辑器。可以很方便地创建和共享文学化程序文档,支持实时代码,数学方程,可视化和 markdown。一般用与做数据清理和转换,数值模拟,统计建模,机器学习等等。
输入命令:pip install jupyter
前面的方法是自己手动一个一个安装,其实已经有人帮我们做了一个大集合,不需要再一个一个手动安装了,下面介绍图形界面的批量安装方式:
1)安装Anaconda。Anaconda是什么?如果你把TensorFlow看做火箭筒,那么Anaconda就是军火库,里面有各种的科学计算,机器学习的Python工具库。在官网下载后,直接安装,然后打开Anaconda,就可以看到下面的页面:
2)点到第二行的Environments,可以看到很多的工具包,搜索TensorFlow,勾选上,然后点击Apply,进行安装就可以了。如果以后还需要其他的工具包,也可以在里面找到,勾选上进行安装。
OK,安装教程到此告一段落。有了jupyter和tensorflow,我们就可以开始基础的运算了。
二、TensorFlow的基础运算
在搞神经网络之前,先让我们把TensorFlow的基本运算,也就是加减乘除搞清楚。
首先,TensorFlow有几个概念需要进行明确:
1 图(Graph):用来表示计算任务,也就我们要做的一些操作。
2 会话(Session):建立会话,此时会生成一张空图;在会话中添加节点和边,形成一张图,一个会话可以有多个图,通过执行这些图得到结果。如果把每个图看做一个车床,那会话就是一个车间,里面有若干个车床,用来把数据生产成结果。
3 Tensor:用来表示数据,是我们的原料。
4 变量(Variable):用来记录一些数据和状态,是我们的容器。
5 feed和fetch:可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据。相当于一些铲子,可以操作数据。
形象的比喻是:把会话看做车间,图看做车床,里面用Tensor做原料,变量做容器,feed和fetch做铲子,把数据加工成我们的结果。
2.1 创建图和运行图:
下面我们创建一个图,并在Session中执行它,不用担心看不懂,每句代码都会注释,只有有编程基础,都能OK:
上面就是用TensorFlow进行了一个最简单的矩阵乘法。
2.2 创建一个变量,并用for循环对变量进行赋值操作
可以看到,除了变量创建稍微麻烦一些和必须建立session来运行,其他的操作基本和普通Python一样。
2.3 通过feed设置placeholder的值
有的时候,我们会在声明变量的时候不赋值,计算的时候才进行赋值,这个时候feed就派上用场了
到这里,恭喜你,已经成功入门TensorFlow
《TensorFlow入门简介》有一个想法