TensorFlow 初級理解

近來由於業務的長遠性考慮，接觸到了一個叫作tensorflow的關於弱人工智能的開源框架，我之因此稱其爲「弱」人工智能的開源框架，是由於我本身以爲(哈哈）。

在http://www.tensorfly.cn/中文社區中有說道 tensorflow是一個採用數據流圖（data flow graphs），用於數值計算的開源軟件庫。那你們應該想到這個東西主要是算法設計，也便是算法模式的設計。

tensorflow中已經內設了不少基本的數學上的計算函數，咱們只需按照api使用這些內置的函數進行運算使用獲得本身想到的結果便可。

在此仍是想引用下中文社區的原話，由於我以爲寫的太好了。

關於 TensorFlow

TensorFlow™ 是一個採用數據流圖（data flow graphs），用於數值計算的開源軟件庫。節點（Nodes）在圖中表示數學操做，圖中的線（edges）則表示在節點間相互聯繫的多維數據數組，即張量（tensor）。它靈活的架構讓你能夠在多種平臺上展開計算，例如臺式計算機中的一個或多個CPU（或GPU），服務器，移動設備等等。TensorFlow 最初由Google大腦小組（隸屬於Google機器智能研究機構）的研究員和工程師們開發出來，用於機器學習和深度神經網絡方面的研究，但這個系統的通用性使其也可普遍用於其餘計算領域。

什麼是數據流圖（Data Flow Graph）?

數據流圖用「結點」（nodes）和「線」(edges)的有向圖來描述數學計算。「節點」 通常用來表示施加的數學操做，但也能夠表示數據輸入（feed in）的起點/輸出（push out）的終點，或者是讀取/寫入持久變量（persistent variable）的終點。「線」表示「節點」之間的輸入/輸出關係。這些數據「線」能夠輸運「size可動態調整」的多維數據數組，即「張量」（tensor）。張量從圖中流過的直觀圖像是這個工具取名爲「Tensorflow」的緣由。一旦輸入端的全部張量準備好，節點將被分配到各類計算設備完成異步並行地執行運算。

 

既然有線和點，是否是想起來flowable了（壞笑），天然咱們就能獲取到某個點的函數算法。

官方文檔中在給初學者的引導學習中用了「驗證碼數字識別」這個例子解釋了，tensorflow在作這件事情的時候是怎麼實現的，具體內容在此不做詳細說明，有興趣的能夠本身看官方文檔。大體講的是經過一種設計思路來不斷的學習這些數字，而後比對數字類似度來判斷是哪一個數字，固然類似度的值計算方式也不做說明了 ，這是tensorflow的一種學習能力。

經過這個初級的例子，咱們知道一下幾點：

1. 要設計一個模型也就是model，這個model通常會保存在哪一個目錄下面。咱們經過api的方式，好比java打開這個model，而後就能夠傳入初始節點的初始數據，產出最終模型產出的結果。
2. 模型設計採用的是python編寫的調用saver 保存。
3. 若是想經過其餘編程語言使用，能夠經過api方式首先把model加載進來。
4. 支持文件讀寫和基本的經常使用類型數據。

如上，受本人能力限制可能有表述或者自己理解不對的地方，歡迎你們批評指正，本人也會不斷的學習，不斷的修正。

嘮了那麼多，手都渴了，去洗洗手，繼續擼代碼。