TensorFlow 是一个用于 Google 创建和发布的快速数值计算的 Python 库。它是一个基础库，可用于直接创建深度学习模型，或使用包装库来简化在 TensorFlow 之上构建的过程。
在这篇文章中，您将发现用于深度学习的 TensorFlow 库。让我们开始吧。
什么是 TensorFlow？
TensorFlow 是一个用于快速数值计算的开源库。
它由 Google 创建并维护，并在 Apache 2.0 开源许可下发布。 虽然可以访问底层的 C ++ API，但 API 名义上是用于 Python 编程语言的。与 Theano 等深度学习中使用的其他数值库不同，TensorFlow 设计用于研究和开发以及生产系统，尤其是 Google 搜索中的 RankBrain 和有趣的 DeepDream 项目。
它可以在单 CPU 系统，GPU 以及移动设备和数百台机器的大规模分布式系统上运行。
如何安装 TensorFlow
如果您已经拥有 Python SciPy 环境，那么安装 TensorFlow 非常简单。TensorFlow 适用于 Python 2.7 和 Python 3.3+。 您可以按照 TensorFlow 网站上的“下载和设置”说明进行操作。 通过 PyPI 进行安装可能是最简单的，并且下载和设置网页上有用于 Linux 或 Mac OS X 平台的pip命令的特定说明。
如果您愿意，还可以使用 virtualenv 和 docker 图像。要使用 GPU，只支持 Linux，它需要 Cuda Toolkit。
你在 TensorFlow 中的第一个例子
根据有向图的结构中的数据流和操作来描述计算。
节点：节点执行计算并具有零个或多个输入和输出。 在节点之间移动的数据称为张量，它是实数值的多维数组。
边缘：该图定义了数据流，分支，循环和状态更新。 特殊边缘可用于同步图形内的行为，例如等待完成多个输入的计算。
操作：操作是一个命名的抽象计算，它可以获取输入属性并生成输出属性。 例如，您可以定义添加或乘法操作。
使用 TensorFlow 进行计算
第一个示例是 TensorFlow 网站上示例的修改版本。 它显示了如何使用会话创建会话，定义常量和使用这些常量执行计算。
import tensorflow as tf
sess = tf.Session()
a = tf.constant(10)
b = tf.constant(32)
print(sess.run(a+b))
运行此示例显示：
42
使用 TensorFlow 进行线性回归
下一个示例来自 TensorFlow 教程的介绍。此示例显示了如何定义变量（例如W和b）以及作为计算结果的变量（y）。我们对 TensorFlow 有一定的了解，它将计算的定义和声明与会话中的执行和运行调用分开。
运行此示例将输出以下输出：
您可以在“基本使用指南”中了解有关 TensorFlow 机制的更多信息
其实 Python 已经不是该不该学而是必须学了，时代在发展 Python 现在的使用范围已经不用小编在这里多说，对于大家来说怎么学或者说怎么能够快速高效的学习并且在工作中使用才是最重要的问题。
我们 51Reboot 推出的 Python 零基础入门班 和 Python 运维自动化进阶班就是针对大家从入门到进阶自己能够做项目和理解学习一些深入的知识的一个过程。
Python 零基础入门班 第20期 12月16日开课，有需要的小伙伴快来咨询小助手吧！学习 Python 这个事儿“躲得了初一躲不了十五”除非你转行不干写代码这个工作了。
今晚九点有公开课分享 Monkey 老师带来的《Django 相册管理》
Django 是 Python web 开发中最流行的框架，也是 Python 中必须要学习和使用的框架了。
具体参与方式：扫码添加小助手wechat：17812796384 备注：公开课 拉入直播分享群
閱讀更多 Python學習 的文章
