三分鐘讀懂TensorFlow是什麼

任何曾經試圖在 Python 中只利用 NumPy 編寫神經網絡代碼的人都知道那是多麼麻煩。編寫一個簡單的一層前饋網絡的代碼尚且須要 40 多行代碼，當增長層數時，編寫代碼將會更加困難，執行時間也會更長。

TensorFlow 使這一切變得更加簡單快捷，從而縮短了想法到部署之間的實現時間。在本教程中，你將學習如何利用 TensorFlow 的功能來實現深度神經網絡。

TensorFlow 是由 Google Brain 團隊爲深度神經網絡（DNN）開發的功能強大的開源軟件庫，於 2015 年 11 月首次發佈，在 Apache 2.x 協議許可下可用。截至今天，短短的兩年內，其 GitHub 庫大約 845 個貢獻者共提交超過 17000 次，這自己就是衡量 TensorFlow 流行度和性能的一個指標。

圖 1 列出了當前流行的深度學習框架，從中可以清楚地看到 TensorFlow 的領先地位：

 

 

 

圖 1 TensorFlow的領先地位示意圖

先來了解一下 TensorFlow 到底是什麼，以及它爲何在 DNN 研究人員和工程師中如此受歡迎。

開源深度學習庫 TensorFlow 容許將深度神經網絡的計算部署到任意數量的 CPU 或 GPU 的服務器、PC 或移動設備上，且只利用一個 TensorFlow API。你可能會問，還有不少其餘的深度學習庫，如 Torch、Theano、Caffe 和 MxNet，那 TensorFlow 與其餘深度學習庫的區別在哪裏呢？包括 TensorFlow 在內的大多數深度學習庫可以自動求導、開源、支持多種 CPU/GPU、擁有預訓練模型，並支持經常使用的NN架構，如遞歸神經網絡（RNN）、卷積神經網絡（CNN）和深度置信網絡（DBN）。

TensorFlow 則還有更多的特色，以下：

• 支持全部流行語言，如 Python、C++、Java、R和Go。
• 能夠在多種平臺上工做，甚至是移動平臺和分佈式平臺。
• 它受到全部雲服務（AWS、Google和Azure）的支持。
• Keras——高級神經網絡 API，已經與 TensorFlow 整合。
• 與 Torch/Theano 比較，TensorFlow 擁有更好的計算圖表可視化。
• 容許模型部署到工業生產中，而且容易使用。
• 有很是好的社區支持。
• TensorFlow 不單單是一個軟件庫，它是一套包括 TensorFlow，TensorBoard 和 TensorServing 的軟件。

谷歌 research 博客列出了全球一些使用 TensorFlow 開發的有趣項目：

• Google 翻譯運用了 TensorFlow 和 TPU（Tensor Processing Units）。
• Project Magenta 可以使用強化學習模型生成音樂，運用了 TensorFlow。
• 澳大利亞海洋生物學家使用了 TensorFlow 來發現和理解瀕臨滅絕的海牛。
• 一位日本農民運用 TensorFlow 開發了一個應用程序，使用大小和形狀等物理特性對黃瓜進行分類。

使用 TensorFlow 的項目還有不少。本教程旨在讓讀者理解 TensorFlow 在深度學習模型中的應用，使讀者能夠輕鬆地將模型用於數據集並開發有用的應用程序。

 

以上初步講解完畢以後，在這裏分享 TensorFlow初學視頻教程，內容以下

（1）Tensorflow簡介與環境搭建

簡要介紹了tensorflow是什麼，詳細介紹了Tensorflow歷史版本變遷以及tensorflow的架構和強大特性。並在Tensorflow1.0、pytorch、Tensorflow2.0之間作了對比。最後經過實戰講解了在Google cloud和AWS兩個平臺上的環境配置。

（2）Tensorflow keras實戰

詳細講解如何使用tf.keras進行模型的搭建以及大量的深度學習的理論知識。理論知識包括分類問題、迴歸問題、損失函數、神經網絡、激活函數、dropout、批歸一化、深度神經網絡、Wide&Deep模型、密集特徵、稀疏特徵、超參數搜索等及其在圖像分類、房價預測上的實現。...

（3) Tensorflow基礎API使用

接上一節課中使用高級抽象的API tf.keras搭建模型，本節課則介紹了基礎的API來方便你們更加靈活的定義和使用模型。課程內容包括tensorflow基礎數據類型、自定義模型和損失函數、自定義求導、tf.function、圖結構等以及其在圖像分類、房價預測上的實現。...

搜索887934385交流羣，進入後下載資料工具安裝包等。最後，感謝觀看！