tensorflow（如何学习tensorflow）

本文目录

• 如何学习tensorflow
• TensorFlow、Pytorch、OneFlow，MXNet、MindSpore这些框架谁最好用
• 怎样用C++写出你自己的TensorFlow
• tensorflow和python先学哪个
• tensorflow能做什么
• 如何安装tensorflow库
• tensorflow安装好后怎么用
• TensorFlow的优势和缺点有哪些

如何学习tensorflow

tensorflow是目前非常流行的基于Python的机器学习框架，先要学一些python基础，如果没有学过python，可以先找一些python入门的教程来学习，了解一些基础的语法，能编写和运行简单的python程序即可；

tensorflow的网上教程很多的，官方网站上就有免费教程：

TensorFlow、Pytorch、OneFlow，MXNet、MindSpore这些框架谁最好用

公司常用的框架有tensorflow 和 pytorch 。下面描述一下企业对框架的使用现状。

tensorflow 。tensorflow 版本之间变化有点大，1.15的很多api，在2.0后弃用了，对运行环境版本升级有一定的影响。只能是旧的项目沿用旧版本，新项目用新版本;对于tensorflow 的使用呢，有些人直接用原生的tensorflow api，有些人喜欢用封装后的keras，底层的计算执行庫还是由tensorflow 提供。

pytorch 。有些人对于tensorflow 版本混乱的不满，慢慢转投了pytorch 的怀抱。pytorch的api较为稳定，而且提供的多机多卡分布式训练的api也较为简单易用。

个人觉得这两个框架都挺不错，对于怎么选择的话看个人对框架的用途，熟悉程度，与个人偏好吧。如果仅仅是使用框架，两者区别不是很大。如果是想研究框架本身与机器学习深度学习底层计算算法以及对算法进行优化，pytorch 作为后来者近年来对gpu运行加速上不断的努力前行，更受国内外研究人员的青睐。

最后，算法岗其实不仅仅是研究算法，还要涉及算法落地完整流程，包括数据预处理，算法设计与实现，训练模型，保存模型，部署serving服务等流程，有完整一套产业链，来保证算法相关服务正常运行。从这个角度来讲，个人更偏向api稳定的pytorch。版本之间如果变化太大，不利于系统环境升级以及后续的代码维护。

以上仅为个人拙见，仅供参考，有误之处多多见谅。

怎样用C++写出你自己的TensorFlow

Tensorflow是一款功能强大且设计精良的神经网络工具。 Python API已有详细记录，开始非常简单。 另一方面，C ++ API的文档减少到最低限度。 本教程将向您展示如何：

• 使用Python构建和训练一个简单的图形，

• 保存图形并在C ++中运行它。

在本教程中，我们将使用Google自己的构建工具bazel。 如果您更喜欢在没有bazel的情况下工作，请查看如何让Tensorflow在没有bazel的情况下运行。 作为一个例子，我们将使用世界上最小的网络。 它只包含一个输入神经元和一个输出神经元。 网络如下所示：

结果目标是为输出和输入获得相同的值。 虽然没有任何意义，但它只是一个例子。 损失函数将是平方误差，要求安装Bazel和Tensorflow。

创建一个文件夹且包含两个文件：

• 实际的C ++文件RunGraph.cpp；

• 一个名为BUILD的文件，带有Bazel的说明。

这两个文件都可以从我们的GitHub Repo下载， 我们来看看RunGraph.cpp文件。

首先，您需要使用计算图的路径更改PathGraph。 另一件事是我们不需要提供两个占位符。 我们指定了输出Y.第二个占位符（Y_）仅用于计算损失而不是Y。如果我们将损失指定为输出，程序也将要求第二个占位符，我们来看看BUILD文件。

然后运行以下命令：

希望本教程对您有点帮助。我会在这里发布所有与科技、科学有关的有趣文章，欢迎订阅我的头条号。偶尔也回答有趣的问题，有问题可随时在评论区回复和讨论。

（码字不易，若文章对你帮助可点赞支持~）

tensorflow和python先学哪个

先学习tensorflow。

TensorFlow是Google Brain的第二代机器学习系统，已经开源。TensorFlow最初由Google Brain团队开发，用于Google的研究和生产，于2015年11月9日在Apache 2.0开源许可证下发布。作为正式对外开放的免费开源深度学习平台，Google 将自家 Google Brain 在人工智能领域的许多关键研究都对开发者开放。

自发布以来，TensorFlow受到了AI开发社区的广泛欢迎，是Github上最受欢迎的深度学习框架之一，也是整个社区上fork最多的项目。目前，TensorFlow已经被下载了超过790万次。

运用多：

TensorFlow在很多地方可以应用，如语音识别，自然语言理解，计算机视觉，广告等等。TensorFlow是一个非常灵活的框架，它能够运行在个人电脑或者服务器的单个或多个CPU和GPU上，甚至是移动设备上。

TensorFlow 内建深度学习的扩展支持，任何能够用计算流图形来表达的计算，都可以使用TensorFlow。任何基于梯度的机器学习算法都能够受益于TensorFlow的自动分化（auto-differentiation）。

通过灵活的Python接口，要在TensorFlow中表达想法也会很容易。TensorFlow 对于实际的产品也是很有意义的。将思路从桌面GPU训练无缝搬迁到手机中运行。

tensorflow能做什么

1、在营销上

可口可乐在客户忠诚度计划中应用TensorFlow作为营销手段。可口可乐在瓶盖背面打印了14位代码，并创建了一个能使用TensorFlow来轻松识别数字，顺利创建购买证明的机器学习系统。至今已经促成16次推广活动、超过180,000个代码被扫描。

2、在农业上

荷兰公司Connecterra运用TensorFlow打造了一款人称＂奶牛手环＂的穿戴装置。透过机器学习，Connecterra能够在问题发生初期就做出诊断、提供建议，助力农夫维持奶牛健康。

这套可以连结到移动应用＂Ida“上的传感器，能分析奶牛的动向，提供农夫关键资讯去了解奶牛何时生病、何时需要特别关照、需要何种关照，以便让奶牛在健康的情况下更好的生产。

3、在电信服务上

中国电信营业厅APP搭建神经网络来学会认识电信充值卡。最终达到在逆光、抖动、数字严重遮挡的情况下依然可以轻松识别，模型训练的成功率为99.3%，完成一次识别耗时0.05秒。

如今在农村／年长人群／2线以下城市，仍有35%的人在进行充值卡充值，平均每天更有高达十几万人通过手机APP进行充值卡充值。通过拍照识别充值卡的方式，解决了在互联网时代被忽略的需求，真正的使AI普惠于民。

4、在移动端应用上

Kika通过TensorFlow Lite做了一个嵌入式的智能手机输入法，使内存的占用减少近50%。响应速度提升一倍，语音理解准确度也得到了升级。

新浪移动是另一个例子，他们使用TensorFlow创建了一个系统，让他们的用户仅仅通过拍照的形式，就可以识别很多车的品牌。利用TensorFlow，他们的模型体积缩小到四分之一，运算效率提升了4倍，识别准确率提升了85%。

5、其他的例子

利用TensorFlow搭建自己的AI、机器学习平台。比如说京东、腾讯、阿里、网易、美团、小米等公司。他们使用TensorFlow解决了各种不同的问题，从计算机视觉、自然语言处理到推荐预测等等。

6、在环境保护方面

在亚马逊的热带雨林，工程师科学家建立了一个用移动设备的实时检测和警报系统，来监控树木的非法砍伐。

7、在医疗领域

在探索如何应用AI使病理学家更好的诊断癌症。

8、在农业领域

IITA基于TensorFlow开发了一套帮助农民检测及管理虫害的方案，使5亿非洲人民免于虫灾饥荒。

如何安装tensorflow库

首先下载anaconda 在此需要记住,安装的是4.2版本,4.3的话,会有很多坑,问题无法解决,在这里可以去anaconda 官网下载,如果觉得慢的话,可以考虑到清华的anaconda源里面下载记住 anaconda-4.2.1
之后进行anaconda的安装,一路点击next就可以了,安装完毕之后,在cmd中输入python,就可以看到anaconda 安装成功
之后用管理员身份运行cmd程序,这里是需要的,避免一些权限的错误
安装pip,到网上去搜索pip的安装包,解压缩之后,到目录下执行python setup.py install,完成安装,pip版本最好是8.0.1以上的,最好是9.0
之后进入到anaconda的安装目录中,cd C:\Program Files\Anaconda3,
然后开始安装tensorflow cpu 一键安装
pip install --upgrade --ignore-installed tensorflow
gpu版本的
pip install --upgrade --ignore-installed tensorflow-gpu
一般cpu可以直接安装
6
之后我们在python环境下输入import tensorflow as tf就可以了执行一些简单命令了

tensorflow安装好后怎么用

首先载anaconda 需要记住,安装4.2版本,4.3,坑,问题解决,anaconda 官网载,觉慢,考虑清华anaconda源面载记住 anaconda-4.2.1
进行anaconda安装,路点击next,安装完毕,cmd输入python,看anaconda 安装功
用管理员身份运行cmd程序,需要,避免些权限错误
安装pip,网搜索pip安装包,解压缩,目录执行python setup.py install,完安装,pip版本8.0.1,9.0
进入anaconda安装目录,cd C:\Program Files\Anaconda3,
始安装tensorflow cpu 键安装
pip install --upgrade --ignore-installed tensorflow
gpu版本
pip install --upgrade --ignore-installed tensorflow-gpu
般cpu直接安装
6
我python环境输入import tensorflow as tf执行些简单命令

TensorFlow的优势和缺点有哪些

TensorFlow框架的前身是Google的DistBelief V2，是谷歌大脑项目的深度网络工具库，一些人认为TensorFlow是借鉴Theano重构的。
Tensorflow一经开源，马上引起了大量开发者的跟进。Tensorflow广泛支持包括图像、手写字、语音识别、预测和自然语言处理等大量功能。TensorFlow遵循Apache 2.0开源协议。
TensorFlow在2017年2月15号发布了其1.0版本，这个版本是对先前八个不完善版本的整合。以下是TensorFlow取得成功的一些列原因：
TensorFLow提供这些工具：
TensorBroad是一个设计优良的可视化网络构建和展示工具；
TensorFlow Serving通过保持相同的服务器架构和API，可以方便地配置新算法和环境。TensorFlow Serving 还提供开箱即用的模型，并且可以轻松扩展以支持其他的模型和数据。
TensorFlow编程接口包括Python和C++，Java，Go，R和Haskell语言的接口也在alpha版中支持。另外，TensorFlow还支持谷歌和亚马逊的云环境。
TensorFlow的0.12版本支持Windows 7, 8， Server 2016系统。由于采用C++ Eigen库，TensorFlow类库可以在ARM架构平台上编译和优化。这意味着你可以不需要额外实现模型解码器或者Python解释器就可以在多种服务器和移动设备上部署训练好的模型。
TensorFlow提供细致的网络层使用户可以构建新的复杂的层结构而不需要自己从底层实现它们。子图允许用户查看和恢复图的任意边的数据。这对复杂计算的Debug非常有用。
分布式TensorFlow在0.8版本推出，提供了并行计算支持，可以让模型的不同 部分在不同设备上并行训练。
TensorFlow在斯坦福大学，伯克利学院，多伦多大学和Udacity（2016年3月成立的在线学校）均有教学。
TensorFlow的缺点有：
每个计算流必须构建成图，没有符号循环，这样使得一些计算变得困难；
没有三维卷积，因此无法做视频识别；
即便已经比原有版本（0.5）快了58倍，但执行性能仍然不及它的竞争者。