【开源推荐】快速入门 Google 机器学习系统 TensorFlow

推荐：开源软件 机器学习系统 TensorFlow

如今，领先的科技巨头无不在机器学习下予以极大投入。

Facebook、苹果、微软，甚至国内的百度。Google 自然也在其中。

Google 的 TensorFlow 是最流行的开源 AI 库之一。

它的高计算效率，丰富的开发资源使它被企业和个人开发者广泛采用。

下面我首先将会对 TensorFlow 的基本定义和主要特征进行介绍。

授权协议：Apache-2.0
开发语言：C++、Python
操作系统：跨平台
开发厂商：Google

Github： https://github.com/tensorflow/tensorflow

TensorFlow 介绍

TensorFlow 是一个采用数据流图，用于数值计算的开源软件库。

TensorFlow 最初由Google 大脑小组（隶属于 Google 机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。

什么是数据流图？

数据流图用“结点”（nodes）和“线”(edges)的有向图来描述数学计算。

“节点” 一般用来表示施加的数学操作，但也可以表示数据输入（feed in）的起点/输出（push out）的终点，或者是读取/写入持久变量（persistent variable）的终点。

“线”表示“节点”之间的输入/输出关系。这些数据“线”可以输运“size可动态调整”的多维数据数组，即“张量”（tensor）。

张量从图中流过的直观图像是这个工具取名为“Tensorflow”的原因。

一旦输入端的所有张量准备好，节点将被分配到各种计算设备完成异步并行地执行运算。

TensorFlow 的特征

● 高度的灵活性：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Tensorflow

● 真正的可移植性

● 将科研和产品联系在一起：使用Tensorflow可以让应用型研究者将想法迅速运用到产品中，也可以让学术性研究者更直接地彼此分享代码，从而提高科研产出率。

● 自动求微分：你只需要定义预测模型的结构，将这个结构和目标函数（objective function）结合在一起，并添加数据，Tensorflow将自动为你计算相关的微分导数。

● 多语言支持

● 性能最优化：可以自由地将Tensorflow图中的计算元素分配到不同设备上，Tensorflow可以管理这些不同副本

基本使用

使用 TensorFlow, 你必须明白 TensorFlow：

● 使用图 (graph) 来表示计算任务.

● 在被称之为会话 (Session) 的上下文 (context) 中执行图.

● 使用 tensor 表示数据.

● 通过 变量 (Variable) 维护状态.

● 使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据.基本使用

转自：开源最前线