一 前言

     從2015年11月，Google在GitHub上將谷歌內部的第二代分散式機器學習系統Tensorflow開源以來，這個用於機器學習和深度學習的系統便將在此之前非常流行的深度學習框架Caffe、Keras、Torch7、Theano等統統幹掉;之後，Tensorflow在GitHub上的Stat和Fork蹭蹭的一路直接飆升，幾乎是之前各種深度學習框架的總和，究啟動原因，還是Google在工業界強大的號召力和技術實力所致，再加之，谷歌之前也有很多非常成功的開源專案，這些因素都使得大家對Google開源的這一深度學習框架的信心滿滿。

二 Tensorflow安裝需要提前準備的軟體

     [1]CUDA_Tookit9.0

     [2]cuDnn

     [3]PIP

     [4]Python

     [5]pycharm

     [6]其他的軟體使用命令安裝即可

三 Tensorflow的特點

     [1]高度的靈活：Tensorflow是相對高階的機器學習和深度學習框架，用於可以很方便的使用它設計自己的深度神經網路，而不必為了追求高效的程式碼執行效率，親自基於C/C++和CUDA編寫自己的機器學習或者深度學習程式碼。Tensorflow並不是一個非常嚴格的“神經網路庫”，它處理支援常見的深度神經網路，比如：卷積神經網路Convolutional Neural Network，CNN，迴圈神經網路RNN，Tensorflow還支援其他深度學習網路乃至其它計算密集型的科學計算，只要您可以將您的計算表示為一個【  資料流圖】，您就可使用Tensorflow.

     [2]真正的可移植性：Tensorflow有點類似於Java，一次編寫，到處執行，Tensorflow不僅可以執行在Windows、Linux、Mac等作業系統，還可以執行在Android等手持作業系統之上，不僅可以執行在桌上型電腦，也可以執行在大型的分散式系統上。

     [3]將科研和產品聯絡在一起：在caffe和Tensorflow等深度學習框架出現之前，如果想要將科研中的深度學習網路或者想法應用到實際的產品中，是需要大量的程式碼重寫工作的，其實現難度非常之難，這些深度學習框架出現之後，科研人員便可以很容易的將自己科研過程中的成果和想法應用到實際的產品之中。

     [4]自動求微分：基於梯度的機器學習演算法會受益於Tensorflow中的自動求微分能力。

     [5]多語言支援：Tensorflow和caffe一樣，其核心程式碼都是用C++編寫的，使用C++簡化了線上部署額複雜度，並讓【手機】這種記憶體和CPU資源都極度緊張的嵌入式裝置可以執行復雜的模型，因此，Tensorflow對於C++的支援是天然的；當然，要說Tensorflow當前支援最全面，最簡單易用，最好的還是Python介面，除了這兩種主要的介面之外，Tensorflow還支援Java語言、Go語言，但是在演算法實際的實現過程中，需要考慮的是，基於python的實現雖然簡單易用，但是消耗的資源較高，執行效率較低，和C++介面相比。

     [6]效能最優：由於Tensorflow對於執行緒、佇列、非同步操作等給予了最佳的支援，因此，Tensorflow可以將您使用的硬體效能達到最優。比如說你有含有4塊顯示卡，32個CPU的工作站，那麼，使用Tensorflow，將會將您這些裝置都利用起來。除此之外，Tensorflow2016年4月還開源了Tensorflow的分散式版本，使用16塊GPU可以達到單塊GPU執行效率的15倍，使用50塊GPU可以達到單塊GPU顯示卡執行效率的40倍。

四 Tensorflow的安裝

     上面說了這麼一大堆，相信大家對於Tensorflow已經有一個感性的認識，下面給大家講一講在Windows下如何安裝Tensorflow，以及在安裝Tensorflow的過程中需要注意的問題；並且，在此，給出大家幾個關鍵詞，監督學習，半監督學習，神經網路，深度神經網路，卷積神經網路，置信神經網路、深度信念網路、全卷積神經網路、生成式對抗網路；LeNet-5、AlexNet、VGG16、ResNet、Faster-RNN等；線性迴歸模型、決策樹、支援向量機、整合學習、聚類、遷移學習、強化學習等，有了這些概念，就可以進入Tensorflow的安裝和學習了。

      安裝的過程中，可以參考Tensorflow官方網站中的安裝教程，具體的連結如下所示:

      Link: https://tensorflow.google.cn/install/install_windows

      因為博主安裝的是Windows10，GPU版本環境下的Tensorflow，因此，在安裝Tensorflow之前，首先需要安裝顯示卡驅動、cuDnn。

      [1]顯示卡驅動的安裝：y因為我自己的電腦顯示卡是940MX，因此，我安裝的顯示卡驅動和CUDA工具開發包是CUDA Tooktit9.0，CUDA Tookit9.0是CUDA高效能程式設計的開發工具包，現在的CUDA Tookit工具包不僅包含CUDA開發的SDK，同時也包含顯示卡驅動。

      Link:https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10

      [2]cuDnn的安裝：https://developer.nvidia.com/cudnn，cuDNN是NVIDIA專門針對Deep Learning框架設計的一套GPU 如加速方案，如下所示：

      需要說明的是，在下載cuDNN庫的時候，需要註冊一個NVIDIA的賬號，使用自己的QQ郵箱註冊一個就可以了，但是需要注意的一點是，在選擇cuDNN的時候，需要注意cuDNN的版本一定要與上一步安裝的CUDA版本一致，由於博主的電腦使用的線寬是940MX，安裝CUDA元件是CUDA Tooktit9.0，所以，博主選擇的cuDNN9.0版本。

     [3]Python的安裝：點選連結https://www.python.org/downloads/release/python-352/，然後，直接將網頁直接往下拉， 因為博主是Win1064為系統，選擇如下圖所示，將軟體下下來時候，直接點選下一步，下一步就可以了。安裝好之後，開啟cmd,然後輸入python，則出現版本的版本號，說明安裝成功，如下圖所示。

      [4]PIP的安裝，安裝PIP的第一步，是首先下載PIP軟體包，PIP安裝包的下在，直接去Python的官網，然後，如下圖所示，  之後，搜尋pip,下載即可。https://www.python.org/;

      下載成功之後，對軟體包進行解壓，最好將軟體包解壓到C:\Users\使用者名稱下，例如我的目錄為C:\Users\wei，因為這樣在命令下安裝起來將會很方便，解壓之後如下圖所示：

       然後，開啟cmd，輸入命令列：python setup.py install安裝，如下圖所示：

     然後，輸入命令列pip -V，便可以看到PIP的版本資訊，則說明安裝成功。

    [5]Tensorflow的安裝：Tensorflow的安裝兩種版本的選擇，一種是GPU版本，一種是CPU版本，CUP和GPU版本的安裝命令如下所示:

            【1】CPU版本的安裝：pip install --upgrade tensorflow

            【2】GPU版本的安裝：pip install --upgrade tensorflow-gpu

   等待下載安裝，下載和安裝的過程比較長，看自己的網速，我的安裝過程會持續很長時間，安裝成功後，如下圖所示，整個過程中安裝的軟體有：numpy、six、protobuf、tensorflow等。

       安裝完成之後，在命令列中，輸入python，進入python命令列，然後輸入import tensorflow as tf，如果顯示如下所示，則說明一切安裝成功。

      【5】安裝PyCharm，並且進行相應的配置。