深度學習之TensorFlow的介紹與安裝

知其然,知其所以然。發表於2017-09-18

TensorFlow是一個採用資料流圖(data flow graphs)用於數值計算的開源軟體庫。它最初是由Google大腦小組的研發人員設計開發的,用於機器學習和神經網路方面的研究。但是這個系統的通用性使其也可以廣泛的應用於其他的計算領域。

TensorFlow的命名是根據它的原理來的,Tensor(張量)意味著N維陣列,Flow(流)意味著基於資料流圖的計算。TensorFlow執行過程就是張量從圖的一端流動到另一端的計算過程。張量從圖中流過的直觀影象是這個工具取名為“TensorFlow”的原因。

TensorFlow的特性:

(1)高度的靈活性:TensorFlow不是一個嚴格的“神經網路”庫。只要你可以將你的計算表示為一個資料流圖,你就可以使用它。

(2)可移植性:TensorFlow可以執行在桌上型電腦、伺服器、移動裝置等,可在多CPU和多GPU上執行,充分利用計算資源。

(3)TensorFlow提供了一套Python使用介面來構建和執行graphs,同樣也提供了C++使用的介面(目前訓練神經網路只支援python,C++介面智慧使用已經訓練好的模型)。未來還會支援JAVA、Go等。

(4)效能最優化:TensorFlow給予了執行緒、佇列、非同步操作等最佳的支援,它可以充分發揮你手上的硬體裝置,充分利用多CPU和多GPU。

TensorFlow中的關鍵詞理解:

1、圖(Graph):圖描述了計算的過程,TensorFlow使用圖來表示計算任務。

2、張量(Tensor):表示資料,每一個Tensor是一個型別化的多維陣列。

3、操作(op):圖中的節點被稱為op,一個op獲得0個或多個Tensor,執行計算,產生0個或多個Tensor。

4、會話(Session):圖必須在稱之為“回話”的上下文中執行。“會話”將op分發到計算裝置上去執行,例如CPU或者GPU

5、變數(Variable):執行過程中可以被改變,用於維護狀態。

注意:TensorFlow的實現上會把圖轉換成分散式執行的操作,以充分利用計算資源。通常情況下,你不需要顯示的指示CPU或者GPU。TensorFlow可以自動的進行檢測,如果檢測到GPU,它會使用第一個GPU來進行操作,如果你的機器上有多個GPU,為了使用除了第一個以外的GPU,你必須將op明確的指派給他們。

說了這麼多該說說TensorFlow的安裝了,安裝前首先注意安裝環境(這裡只說windows):

1、Python的版本:我在裝的時候費了不少勁,因為筆記本有點年數了,是32位的,但是windows下TensorFlow只支援Python3.5(3.6沒有試過)注意啦,Python版本必須是64位python3.5。Python3.5 64位是沒法裝在32位的機器上的,幸虧我的電腦支援64位,又重灌系統,估計現在32位系統也少了,不過這的確是一個坑。

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

祝君好運!

 

 

不管做什麼事情貴在堅持,堅持下來就成功了。

相關文章