TensorFlow教程
目標：今天在這個TensorFlow教程中，我們將學習TensorFlow是什麼，它在哪裡使用，它的不同特性，Tensorflow應用程序，最新版本及其優缺點，以及如何在您的項目中使用它。
TensorFlow的歷史
DistBelief是TensorFlow在升級之前被調用的基礎，是2011年建立的基於深度學習神經網絡的專有系統。 DistBelief的源代碼被修改並且變成了一個更好的基於應用的庫，在2015年被稱為tensorflow。
什麼是TensorFlow？
TensorFlow是一個強大的面向數據流的機器學習庫，由Google的Brain Team創建並於2015年開放源代碼。它主要在易於使用並廣泛適用於數值和神經網絡導向問題以及其他領域。
本質上，TensorFlow是一個用於處理複雜數學問題的低級工具包，它的目標是研究人員知道他們在做什麼來構建實驗性學習體系結構，並將其轉化為正在運行的軟件。
它可以被認為是一個編程系統，在這個系統中你將計算表示為圖形。圖中的節點代表數學運算，邊緣表示在它們之間傳遞的多維數據數組（張量）。
最新版本
TensorFlow的最新版本是1.7.0，可在www.tensorflow.org上找到。它的設計思想深刻，但它適用於更廣泛的問題。
關於張量
現在，顧名思義，它提供了用於定義張量上的函數並自動計算它們的導數的基元。
張量是用於計算機編程的高維數組，以數字形式表示大量數據。在互聯網上還有其他的n-d數組庫，比如Numpy，但是TensorFlow與它們分開，因為它提供了創建張量函數和自動計算衍生物的方法。
其他用途
您還可以在其上構建其他機器學習算法，如決策樹或k-最近鄰。下面給出的是TensorFlow的生態系統：
從上述表示中可以看出，TensorFlow很好地集成並且具有包括GPU處理，python和Cpp在內的依賴關係，您也可以將它與容器軟件（如docker）集成在一起。
TensorBoard
TensorBoard是一套可視化工具，是TensorFlow的簡易解決方案，由創作者提供，讓您可視化圖表並繪製關於圖形的定量指標，並通過圖像等附加數據通過它。
操作
TensorFlow運行在各種平臺上，安裝僅限於Linux，比純CPU安裝更繁瑣。它可以使用pip或使用conda環境進行安裝。這些應用程序超越深度學習，以支持其他形式的機器學習，如強化學習，這會讓您進入以目標為導向的任務，例如贏得視頻遊戲或幫助機器人導航不平坦的景觀。
TensorFlow應用程序
有許多機器學習應用程序，TensorFlow允許您探索其中的大部分應用程序，包括情感分析、谷歌翻譯、文本摘要以及全球各大公司使用的圖像識別技術。包括Airbnb、eBay、Dropbox、Snapchat、Twitter、優步、SAP、高通、IBM、英特爾，當然還有谷歌、Facebook、Instagram甚至亞馬遜等。
TensorFlow功能
TensorGlow擁有用於Matlab和C ++的API，並且有廣泛的語言支持。隨著時間的推移，研究人員正在努力使其變得更好。最近，在最新的TensorFlow峰會上，已引入了用於訓練和部署機器學習模型的JavaScript庫tensorflow.js，而開源的瀏覽器集成平臺是可以在playground.tensorflow.org上使用，您可以在其中查看更改超參數時發生的實時更改。
TensorFlow的優勢
- TensorFlow具有響應式構造，因為您可以輕鬆地直觀地顯示圖形的每個部分。
- 它具有平臺靈活性，這意味著它是模塊化的，其中一些部分可以是獨立的，而其他部分可以合併。
- 它很容易在CPU和GPU上進行分佈式計算。
- 它具有自動分化功能，它可以使基於梯度的機器學習算法受益，這意味著您可以計算相對於其他值的導數，從而得到圖形擴展。
- 它具有對線程、異步計算和隊列的高級支持。
- 它是可定製和開源的。
張量流限制
- 如果在相同的範圍內導入GPU內存則會與Theano衝突。
- 不支持OpenCL
- 需要先進的微積分和線性代數的知識以及對機器學習的很好理解。
結論
TensorFlow是一個偉大的庫，可用於創建深度學習網絡的數據和圖形計算數據，並且是谷歌搜索、谷歌翻譯、谷歌照片等各種應用程序中使用最廣泛的庫。人們使用機器學習做了許多令人驚歎的事情，其中一些包括與醫療保健相關的應用程序、電影推薦引擎、音樂、個性化廣告以及社交媒體情感挖掘等等。隨著機器學習和人工智能的這些進步看起來似乎令人難以置信，而TensorFlow就是幫助實現這些目標的工具。
閱讀更多 AI中國 的文章
