一句话介绍:

Google开源的基于数据流图的科学计算库，适用于机器学习

不局限于机器学习，但目前被大多用于机器学习等。

TensorFlow计算流图的概念图

Tensor在图中流动。

TensorFlow的含义

拆字释义:

• Tensor 张量(tf中数据的表征)

• flow 流动

张量在图中流动

TensorFlow的详细架构

TensorFlow基本架构

TensorFlow 大事记

deepmind团队之前用的torch。

底层api调用起来繁琐。

1.3版本加入了很多高层次的抽象api。调用底层api更方便，使用代码量更少。

TensorFlow的特点

灵活性: 只要可以将计算表示成数据流图，就可以使用TensorFlow

跨平台: Linux windows Android Ios

多语言: 上层语言 python c++ java Go

速度快: 包含了XLA这款强大的线性代数编译器

上手快: Keras,Estimiators 等等高层api

可移植: 代码几乎不加修改的可以移植到cpu gpu tpu等等

TensorFlow的著名用途

使用TensorFlow的公司

小米 & 中兴 & 京东

TensorFlow和其他机器学习库的对比

theano 就是一个比较老的框架。

各个机器学习库的对比

DL4J java

torch(Lua) 和 pytorch(Facebook)

Caffe(2) 贾扬清由Google tf 跳槽到Facebook

Keras 底层必须由TensorFlow或theano的支持。

闲扯一下法国人对于世界的杰出贡献

各个库的网站对比

文章: Tensorflow 与 主流深度学习框架对比

机器学习框架

TensorFlow的收藏数，fork数，issue数遥遥领先于其他。

skit learn 的pull request多于TensorFlow

contributor数多

TensorFlow的优势：集大成者

• Google力捧，数据流图的设计理念和编程模式。社群广大，文档详尽。

• 功能强大的可视化 Tensor board 和 模拟环境 playground

配置方便。在线模拟演示。

Epoch 整体完整运行次数 learning rate

选择激励函数 正规化 L1 还是L2的选择。正规化率。

问题类型: 分类问题和回归问题

输入特征值的类型。噪音，增加隐层。点亮输入的参数。

点击左上角run，开始帮你训练。

点击可以看到当前的每个参数的权重。

• 移动端(ios 和 Android) 云端，服务器端 ，分布式，各种硬件。

总结

有些库略显不足，如Torch(lua语言) scikit-learn 不支持Gpu，不支持分布式

TensorFlow 总体来说很优异，虽然在某些方面速度和效率还不够。

推荐: MXNet PyTorch TensorFlow(scikit 和 keras) caffe2

如何学习TensorFlow？

官网: tensorflow.org

下面语言切换为中文。点击开始使用。

官方文档，如何安装。

develop 是提供教程为开发者使用。

Programmer 指南

Tutoials 教程

performance 如何提高性能

mobile 如何在手机等去开发。

一般常用python api。文档阅读api指南。

deploy 部署到平台。 如何在Hadoop部署

扩展: 体系结构

社区；

版本:

云平台：

学习方式:

• 官网: 了解

• 视频 + 书籍 入门 + 知识点学习

• 实战: 技术

人工智能 - 数学知识 - 机器学习 - 深度学习

cs156 吴恩达课程 107节 机器学习基本课程

吴恩达 - 神经网络 和 深度学习课程

可以穿插进行。

TensorFlow前景

人工智能是大势所趋

TensorFlow : 人工智能框架的领军产品

Google出品，大多属精品。

链接：https://www.imooc.com/article/45745