TensorFlow深度学习英文文献导读

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。它最初是由Google大脑小组的研发人员设计开发的，用于机器学习和神经网络方面的研究。但是这个系统的通用性使其也可以广泛的应用于其他的计算领域。

TensorFlow的命名是根据它的原理来的，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这个工具取名为“TensorFlow”的原因。

TensorFlow的特性：

1）高度的灵活性：TensorFlow不是一个严格的“神经网络”库。只要你可以将你的计算表示为一个数据流图，你就可以使用它。

2）可移植性：TensorFlow可以运行在台式机、服务器、移动设备等，可在多CPU和多GPU上运行，充分利用计算资源。

3）TensorFlow提供了一套Python使用接口来构建和执行graphs，同样也提供了C++使用的接口（目前训练神经网络只支持python，C++接口智能使用已经训练好的模型）。未来还会支持JAVA、Go等。

4）性能最优化：TensorFlow给予了线程、队列、异步操作等最佳的支持，它可以充分发挥你手上的硬件设备，充分利用多CPU和多GPU。

TensorFlow中的关键词理解：

1、图（Graph）:图描述了计算的过程，TensorFlow使用图来表示计算任务。

2、张量（Tensor）:表示数据，每一个Tensor是一个类型化的多维数组。

3、操作（op）:图中的节点被称为op，一个op获得0个或多个Tensor，执行计算，产生0个或多个Tensor。

4、会话（Session）：图必须在称之为“回话”的上下文中执行。“会话”将op分发到计算设备上去执行，例如CPU或者GPU

5、变量（Variable）：运行过程中可以被改变，用于维护状态。

注意：TensorFlow的实现上会把图转换成分布式执行的操作，以充分利用计算资源。通常情况下，你不需要显示的指示CPU或者GPU。TensorFlow可以自动的进行检测，如果检测到GPU,它会使用第一个GPU来进行操作，如果你的机器上有多个GPU，为了使用除了第一个以外的GPU,你必须将op明确的指派给他们。

说了这么多该说说TensorFlow的安装了，安装前首先注意安装环境（这里只说windows）：

1、Python的版本：我在装的时候费了不少劲，因为笔记本有点年数了，是32位的，但是windows下TensorFlow只支持Python3.5（3.6没有试过）注意啦，Python版本必须是64位python3.5。Python3.5 64位是没法装在32位的机器上的，幸亏我的电脑支持64位，又重装系统，估计现在32位系统也少了，不过这的确是一个坑。

2、那就是使用Anaconda3了，在Anaconda Navigator上安装就行了.

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删