TensorFlow是一個用於Google建立和釋出的快速數值計算的Python庫。它是一個基礎庫，可用於直接建立深度學習模型，或使用包裝庫來簡化在TensorFlow之上構建的過程。

在這篇文章中，您將發現用於深度學習的TensorFlow庫。讓我們開始吧。

什麼是TensorFlow？

TensorFlow是一個用於快速數值計算的開源庫。

它由Google建立並維護，並在Apache 2.0開源許可下發布。 雖然可以訪問底層的C ++ API，但API名義上是用於Python程式語言的。與Theano等深度學習中使用的其他數值庫不同，TensorFlow設計用於研究和開發以及生產系統，尤其是Google搜尋中的RankBrain和有趣的DeepDream專案。

它可以在單CPU系統，GPU以及移動裝置和數百臺機器的大規模分散式系統上執行。

如何安裝TensorFlow

如果您已經擁有Python SciPy環境，那麼安裝TensorFlow非常簡單。

TensorFlow適用於Python 2.7和Python 3.3+。 您可以按照TensorFlow網站上的“下載和設定”說明進行操作。 通過PyPI進行安裝可能是最簡單的，並且下載和設定網頁上有用於Linux或Mac OS X平臺的pip命令的特定說明。

如果您願意，還可以使用virtualenv和docker影象。要使用GPU，只支援Linux，它需要Cuda Toolkit。

你在TensorFlow中的第一個例子

根據有向圖的結構中的資料流和操作來描述計算。

節點：節點執行計算並具有零個或多個輸入和輸出。 在節點之間移動的資料稱為張量，它是實數值的多維陣列。

邊緣：該圖定義了資料流，分支，迴圈和狀態更新。 特殊邊緣可用於同步圖形內的行為，例如等待完成多個輸入的計算。

操作：操作是一個命名的抽象計算，它可以獲取輸入屬性並生成輸出屬性。 例如，您可以定義新增或乘法操作。

使用TensorFlow進行計算

第一個示例是TensorFlow網站上示例的修改版本。 它顯示瞭如何使用會話建立會話，定義常量和使用這些常量執行計算。

import tensorflow as tf

sess = tf.Session()

a = tf.constant(10)

b = tf.constant(32)

print(sess.run(a+b))

執行此示例顯示：

42

使用TensorFlow進行線性迴歸

下一個示例來自TensorFlow教程的介紹。

此示例顯示瞭如何定義變數（例如W和b）以及作為計算結果的變數（y）。

我們對TensorFlow有一定的瞭解，它將計算的定義和宣告與會話中的執行和執行呼叫分開。

執行此示例將輸出以下輸出：

您可以在“基本使用指南”中瞭解有關TensorFlow機制的更多資訊。

更多深度學習模型

您的TensorFlow安裝附帶了許多深度學習模型，您可以直接使用它們進行試驗。

鑑於TensorFlow目前這麼流行，想要學習和實踐的程式設計師們也可以瞭解下谷歌最近的AI開源專案——AIY Projects。AIY 全稱是 Artificial Intelligence Yourself，顧名思義就是利用 AI 來進行的 DIY 功能套件。藉助 AIY 專案，創客可以利用人工智慧來實現更像人與人交流的人機互動。谷歌目前為 AIY Projects 推出了兩款硬體產品--AIY Voice Kit 和 AIY Vision Kit。

Vision Kit 由Raspberry Pi和Intel movidius提供動力。它可以執行具有低耗處理能力的深度學習演算法。Raspberry Pi Zero WH 包括視覺處理單元晶片，可以高效地執行Tensor Flow影象處理。

而且谷歌為此還發布了一個TensorFlow.js的工具，有了這項工具，即使不是機器視覺領域的專家，大家也可以實現很多應用場景，比如在瀏覽器中訓練自己的寵物臉辨識系統，在自家的監視系統中使用等等。