五分鐘帶你入門TensorFlow
本文是《人人都能學人工智慧-TensorFlow系列》文章的第一篇，這個系列會對TensorFlow的基礎使用，SoftMax，交叉熵，Dropout，CNN，LSTM和NLP等內容進行系列介紹，儘量使用通俗的語言，讓更多的人都能瞭解人工智慧，瞭解TensorFlow。
TensorFlow是Google開源的一款人工智慧學習系統。為什麼叫這個名字呢？Tensor的意思是張量，代表N維陣列；Flow的意思是流，代表基於資料流圖的計算。把N維數字從流圖的一端流動到另一端的過程，就是人工智慧神經網路進行分析和處理的過程。
話說在Android佔領了移動端後，Google開源了TensorFlow，希望佔領AI端。TF的特點是可以支援多種裝置，大到GPU、CPU，小到平板和手機都可以跑起來TF。而且TF的使用很方便，幾行程式碼就能開始跑模型，這讓神經網路的入門變得非常簡單。
本文是第一篇，都是最基礎的內容，老手可以略過
一、TensorFlow的安裝
在開始寫程式碼之前，咱們先得把TensorFlow安裝到電腦上。這裡有兩種方法，一是一個一個手動命令列安裝，二是批量的圖形化介面安裝。
先看手動安裝，我們安裝好TensorFlow和upyter Notebook就可以了。
1）安裝TensorFlow
Windows上：
安裝CPU版本：管理員模式開啟命令列，輸入命令：pip install tensorflow
安裝GPU版本：管理員模式開啟命令列，輸入命令：pip install tensorflow-gpu
Linux上：
命令和上面一樣，如果你使用的是Python3點幾的版本，那麼安裝命令為：
安裝CPU版本：輸入命令：pip3 install tensorflow
安裝GPU版本：輸入命令：pip3 install tensorflow-gpu
如果提示沒有安裝pip，mac的同學可以先通過命令安裝pip：
1 命令列輸入：curlhttps://bootstrap.pypa.io/ez_setup.py-o - | sudo python
2 命令列輸入：sudo easy_install pip
2）安裝Jupyter Notebook
這是一個互動式的筆記本，你可以理解為一個比較漂亮和簡潔的編輯器。可以很方便地建立和共享文學化程式文件，支援實時程式碼，數學方程，視覺化和 markdown。一般用與做資料清理和轉換，數值模擬，統計建模，機器學習等等。
輸入命令：pip install jupyter
前面的方法是自己手動一個一個安裝，其實已經有人幫我們做了一個大集合，不需要再一個一個手動安裝了，下面介紹圖形介面的批量安裝方式：
1）安裝Anaconda。Anaconda是什麼？如果你把TensorFlow看做火箭筒，那麼Anaconda就是軍火庫，裡面有各種的科學計算，機器學習的Python工具庫。在官網下載後，直接安裝，然後開啟Anaconda，就可以看到下面的頁面：
2）點到第二行的Environments，可以看到很多的工具包，搜尋TensorFlow，勾選上，然後點選Apply，進行安裝就可以了。如果以後還需要其他的工具包，也可以在裡面找到，勾選上進行安裝。
OK，安裝教程到此告一段落。有了jupyter和tensorflow，我們就可以開始基礎的運算了。
清華提供的anaconda映象，使用以後真的很快！尤其在學校龜速的網路環境裡提速非常明顯。
https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
TUNA 還提供了 Anaconda 倉庫的映象，執行以下命令:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
實在不行，看這裡https://blog.csdn.net/qq_40061421/article/details/84632905
二、TensorFlow的基礎運算
在搞神經網路之前，先讓我們把TensorFlow的基本運算，也就是加減乘除搞清楚。
首先，TensorFlow有幾個概念需要進行明確：
1 圖（Graph）：用來表示計算任務，也就我們要做的一些操作。
2 會話（Session）：建立會話，此時會生成一張空圖；在會話中新增節點和邊，形成一張圖，一個會話可以有多個圖，通過執行這些圖得到結果。如果把每個圖看做一個車床，那會話就是一個車間，裡面有若干個車床，用來把資料生產成結果。
3 Tensor：用來表示資料，是我們的原料。
4 變數（Variable）：用來記錄一些資料和狀態，是我們的容器。
5 feed和fetch：可以為任意的操作(arbitrary operation) 賦值或者從其中獲取資料。相當於一些鏟子，可以操作資料。
形象的比喻是：把會話看做車間，圖看做車床，裡面用Tensor做原料，變數做容器，feed和fetch做鏟子，把資料加工成我們的結果。
2.1 建立圖和執行圖：
下面我們建立一個圖，並在Session中執行它，不用擔心看不懂，每句程式碼都會註釋，只有有程式設計基礎，都能OK：
上面就是用TensorFlow進行了一個最簡單的矩陣乘法。
2.2 建立一個變數，並用for迴圈對變數進行賦值操作
可以看到，除了變數建立稍微麻煩一些和必須建立session來執行，其他的操作基本和普通Python一樣。
2.3 通過feed設定placeholder的值
有的時候，我們會在宣告變數的時候不賦值，計算的時候才進行賦值，這個時候feed就派上用場了
到這裡，恭喜你，已經成功入門TensorFlow~ 是不是覺得太簡單?好像和深度學習毛線關係都沒有嘛。不要急，下一篇文章和大家一起用TensorFlow做一個簡單的用神經網路來做手寫圖片識別的實戰。