“TensorFlow简介”的版本间的差异

来自CloudWiki
跳转至： 导航， 搜索
（→‎TensorFlow 的工作原理）
 
（未显示同一用户的7个中间版本）
第3行： 第3行：
  
 
== TensorFlow 的工作原理 ==
 
== TensorFlow 的工作原理 ==
−
<p>TensorFlow是用数据流图(data flow graphs)技术来进行数值计算的。</p>
+
TensorFlow 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。
  
−
<p>数据流图是描述有向图中的数值计算过程。</p>
+
节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。
 +
 
 +
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。
 +
 
 +
[[文件:tf1-102.jpg]]
  
 
<p>有向图中，节点通常代表数学运算，边表示节点之间的某种联系，它负责传输多维数据(Tensors)。</p>
 
<p>有向图中，节点通常代表数学运算，边表示节点之间的某种联系，它负责传输多维数据(Tensors)。</p>
  
 
<p>节点可以被分配到多个计算设备上，可以异步和并行地执行操作。因为是有向图，所以只有等到之前的入度节点们的计算状态完成后，当前节点才能执行操作。[1]</p>
 
<p>节点可以被分配到多个计算设备上，可以异步和并行地执行操作。因为是有向图，所以只有等到之前的入度节点们的计算状态完成后，当前节点才能执行操作。[1]</p>
−
*[[文件:t1-1.png]]
 
−
==TensorFlow的安装[3]==
 
  
−
===软硬件环境 ===
 
−
*操作系统：Ubuntu 16.04 LTS
 
−
*硬件支持：TensorFlow with CPU support only.
 
−
这个文档是针对在没有NVIDIA GPU的机器上安装TensorFlow来写的。安装过程非常快（5-10分钟），所以即使你有一个NVIDIA GPU，也推荐先按这种方法安装。
 
−
*在正式使用之前，如果你需要远程连接Ubuntu，则还需要在Ubuntu中安装ssh,具体请参考 [http://blog.csdn.net/zhm977863924/article/details/49908125 Ubuntu不能远程连接的解决方案]
 
  
−
===安装方法===
+
参考文档：https://www.cnblogs.com/wkslearner/archive/2018/01/03/8185890.html
−
*TensorFlow官网给出了4种安装方法，我们这里采用最简单的virtualenv安装
 
−
*Virtualenv用来为一个应用创建一套“隔离”的Python运行环境。在实际开发中每个应用可能需要各自拥有一套“独立”的Python运行环境，virtualenv能够方便的为每个应用各自提供一个“独立”的Python运行环境，并且相互之间互不打扰。Virtualenv也是安装TensorFlow的神器。
 
  
−
===具体步骤===
+
==TensorFlow的安装[3]==
−
*执行如下命令，安装pip和virtualenv：
 
−
$ sudo apt-get update
 
−
$ sudo apt-get install python-pip python-dev python-virtualenv # for Python 2.7
 
−
$ sudo apt-get install python3-pip python3-dev python-virtualenv # for Python 3.n
 
−
*创建一个新的virtualenv环境：
 
−
$ mkdir tensorflow
 
−
$ virtualenv --system-site-packages ~/tensorflow # for Python 2.7
 
−
$ virtualenv --system-site-packages -p python3 ~/tensorflow  # for Python 3.n
 
−
*[[文件:t1-2.png]]
 
−
* 激活virtualenv环境：
 
−
$ source ~/tensorflow/bin/activate # bash, sh, ksh, or zsh
 
−
**执行完这条命令后，你的命令行会变成如下字样：
 
−
(tensorflow)$
 
−
*确保pip已经安装（版本>=8.1):
 
−
(tensorflow)$ easy_install -U pip
 
−
*执行下列命令，在virtualenv 环境中安装TensorFlow：
 
−
(tensorflow)$ pip install --upgrade tensorflow      # for Python 2.7
 
−
(tensorflow)$ pip3 install --upgrade tensorflow    # for Python 3.n
 
−
(tensorflow)$ pip install --upgrade tensorflow-gpu  # for Python 2.7 and GPU
 
−
(tensorflow)$ pip3 install --upgrade tensorflow-gpu # for Python 3.n and GPU
 
−
*用一个小的程序来验证安装:
 
−
$ python
 
−
>>> import tensorflow as tf
 
−
>>> hello = tf.constant('Hello, TensorFlow!')
 
−
>>> sess = tf.Session()
 
−
>>> print sess.run(hello)
 
  
−
**如果出现下列警告，可以忽略它：(它们仅表示在当前的电脑中，有一种更好的编译tensorflow库的方法）
 
  
−
*[[文件:t1-3.png]]
+
TensorFlow官网给出了4种安装方法，我们这里给出了常用的三种，大家根据情况选用：
  
−
*如果系统输出如下，则证明TensorFlow安装成功，可以写TensorFlow程序了！
+
*[[CentOS7利用pip快速安装TensorFlow]]
−
*[[文件:t1-4.png]]
+
*[[CentOS7利用docker安装TensorFlow]]
−
== 第一个TensorFlow程序 ==
+
*[[Ubuntu利用virtualenv安装TensorFlow]]
  
−
*$ python 
 
  
−
>>> import tensorflow as tf
+
返回 [[人工智能]]
−
>>> hello = tf.constant('Hello, TensorFlow!')
 
−
>>> sess = tf.Session()
 
−
>>> print sess.run(hello)
 
−
Hello, TensorFlow!
 
−
>>> a = tf.constant(10)
 
−
>>> b = tf.constant(32)
 
−
>>> print sess.run(a+b)
 
−
42
 
−
>>>
 
−
引自[2]
 
  
 
参考文档：
 
参考文档：
第79行： 第36行：
  
 
[3]  TensorFlow 官方文档 https://www.tensorflow.org/install/install_linux
 
[3]  TensorFlow 官方文档 https://www.tensorflow.org/install/install_linux
−
 
−
返回 [[人工智能]]
 

2018年8月9日 (四) 03:16的最新版本

TensorFlow的流行让深度学习门槛变得越来越低，只要你有Python和机器学习基础，入门和使用神经网络模型变得非常简单。TensorFlow支持Python和C++两种编程语言，再复杂的多层神经网络模型都可以用Python来实现，如果业务使用其他编程也不用担心，使用跨语言的gRPC或者HTTP服务也可以访问使用TensorFlow训练好的智能模型。[1]


TensorFlow 的工作原理

TensorFlow 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。

节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。

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。

Tf1-102.jpg

有向图中，节点通常代表数学运算，边表示节点之间的某种联系，它负责传输多维数据(Tensors)。

节点可以被分配到多个计算设备上，可以异步和并行地执行操作。因为是有向图，所以只有等到之前的入度节点们的计算状态完成后，当前节点才能执行操作。[1]


参考文档：https://www.cnblogs.com/wkslearner/archive/2018/01/03/8185890.html

TensorFlow的安装[3]

TensorFlow官网给出了4种安装方法，我们这里给出了常用的三种，大家根据情况选用：


返回 人工智能

参考文档： [1] 不会停的蜗牛 链接：http://www.jianshu.com/p/6766fbcd43b9

[2] TensorFlow 官方文档中文版 http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html

[3] TensorFlow 官方文档 https://www.tensorflow.org/install/install_linux

取自“http://www.openbrains.net/mediawiki/index.php?title=TensorFlow简介&oldid=8933”