五分鐘帶你入門TensorFlow

本文是《人人都能學人工智慧-tensorflow系列》文章的第一篇，這個系列會對tensorflow的基礎使用，softmax，交叉熵，dropout，cnn，lstm和nlp等內容進行系列介紹，盡量使用通俗的語言，讓更多的人都能了解人工智慧，了解tensorflow。

tensorflow是google開源的一款人工智慧學習系統。為什麼叫這個名字呢？tensor的意思是張量，代表n維陣列；flow的意思是流，代表基於資料流圖的計算。把n維數字從流圖的一端流動到另一端的過程，就是人工智慧神經網路進行分析和處理的過程。

話說在android占領了移動端後，google開源了tensorflow，希望占領ai端。tf的特點是可以支援多種裝置，大到gpu、cpu，小到平板和手機都可以跑起來tf。而且tf的使用很方便，幾行**就能開始跑模型，這讓神經網路的入門變得非常簡單。

本文是第一篇，都是最基礎的內容，老手可以略過

在開始寫**之前，咱們先得把tensorflow安裝到電腦上。這裡有兩種方法，一是乙個乙個手動命令列安裝，二是批量的圖形化介面安裝。

先看手動安裝，我們安裝好tensorflow和upyter notebook就可以了。

windows上：

安裝cpu版本：管理員模式開啟命令列，輸入命令：pip install tensorflow

安裝gpu版本：管理員模式開啟命令列，輸入命令：pip install tensorflow-gpu

linux上：

命令和上面一樣，如果你使用的是python3點幾的版本，那麼安裝命令為：

安裝cpu版本：輸入命令：pip3 install tensorflow

安裝gpu版本：輸入命令：pip3 install tensorflow-gpu

如果提示沒有安裝pip，mac的同學可以先通過命令安裝pip：

1 命令列輸入：curl - | sudo python

2 命令列輸入：sudo easy_install pip

2）安裝jupyter notebook

這是乙個互動式的筆記本，你可以理解為乙個比較漂亮和簡潔的編輯器。可以很方便地建立和共享文學化程式文件，支援實時**，數學方程，視覺化和 markdown。一般用與做資料清理和轉換，數值模擬，統計建模，機器學習等等。

輸入命令：pip install jupyter

前面的方法是自己手動乙個乙個安裝，其實已經有人幫我們做了乙個大集合，不需要再乙個乙個手動安裝了，下面介紹圖形介面的批量安裝方式：

ok，安裝教程到此告一段落。有了jupyter和tensorflow，我們就可以開始基礎的運算了。

在搞神經網路之前，先讓我們把tensorflow的基本運算，也就是加減乘除搞清楚。

首先，tensorflow有幾個概念需要進行明確：

1 圖（graph）：用來表示計算任務，也就我們要做的一些操作。

2 會話（session）：建立會話，此時會生成一張空圖；在會話中新增節點和邊，形成一張圖，乙個會話可以有多個圖，通過執行這些圖得到結果。如果把每個圖看做乙個車床，那會話就是乙個車間，裡面有若干個車床，用來把資料生產成結果。

3 tensor：用來表示資料，是我們的原料。

4 變數（variable）：用來記錄一些資料和狀態，是我們的容器。

5 feed和fetch：可以為任意的操作(arbitrary operation) 賦值或者從其中獲取資料。相當於一些鏟子，可以運算元據。

形象的比喻是：把會話看做車間，圖看做車床，裡面用tensor做原料，變數做容器，feed和fetch做鏟子，把資料加工成我們的結果。

2.1 建立圖和執行圖：

下面我們建立乙個圖，並在session中執行它，不用擔心看不懂，每句**都會注釋，只有有程式設計基礎，都能ok：

上面就是用tensorflow進行了乙個最簡單的矩陣乘法。

可以看到，除了變數建立稍微麻煩一些和必須建立session來執行，其他的操作基本和普通python一樣。

有的時候，我們會在宣告變數的時候不賦值，計算的時候才進行賦值，這個時候feed就派上用場了