TensorFlow--->>简介、安装以及简单使用
- TensorFlow简介:
在使用TensorFlow之前我们要了解TensorFlow是什么,如果喜欢看视频的同学,可以看2017年8月6号谷歌大脑资深研究员刘小兵在极客公园Rebuild大会上的演讲。
接下来让我们用文字谈谈TensorFlow。//所有事物进行数字化//机器迁就与人 或者反而
首先谈谈人工智能,首先看看以前的机器能做什么?我给机器一个指令,机器按我的想法去做,不会超出我的期望,也不会违背。而我们现在的人工智能也还是在做这一件事,我给它算法,它按照算法一步一步的执行,判断。但现在的与之前的有什么区别呢?重点是它现在可以对某件事给出它的意见,而这件事我们之前可能未曾发觉,比如某些病症的初期症状检测,物品推荐算法等等。
人们常说,学习一样事情最好的方法是把它教给别人,在我们在教机器学习的时候,其实我们也在思索我们本身所使用的方式。即当我们在说话时,我们在说什么,我们在画画时,我们在画什么?当我在写这篇文章的时候,我在写什么?如果我不清楚一件事情,我是很难鞭辟入里地解释清楚的。
在说完人工智能后,我们再谈谈机器学习。机器学习是人工智能的子集。换而言之,机器学习是实现人工智能的一种方式,搞清了关系,首先我们来给机器学习一个定义,引用Herbert A. Simon的一段话,“如果一个系统能够通过执行某个过程改进它的性能,这就是学习“。实质上就是一个学习总结,进行校正,长经验的过程。所有只要用机器可以实现这样想法的都可以称之为机器学习,就是让机器具有从数据中抽取信息,并归纳信息讲了什么,可以想想我们在上学时是怎么学习的?语文中的阅读理解部分是否和这个场景很相似呢?而要实现机器学习,那么第一件事便是让计算机认识数据,我们平常说的话,画的图像,计算机是不认识的,那么要让计算机去学习,这些语音,图画作为信息载体的东西,就需要让计算机进行辩解,这也是现在我们所在做的计算机视觉(computer vision)简称CV,自然语言处理(Natural Language Processing)简称NLP ,声纹识别(Voice Print Recognition )简称VPR,让计算机能看,能听,并且能判别是谁说的。
在现在的时代,如果我们谈到机器学习,那深度学习是必然绕不过去,深度学习又是机器学习的一个子集,是实现机器学习的一种方法。引用wikipedia的一段话“一类通过多层非线性变换堆对高复杂性数据建模算法的合集”。深度学习的深度基本上就是指其中的多层,不断矫正,不断逼近正确答案。具体的以后文章详细介绍,这里先进行概念的梳理。
而TensorFlow就是这样一个平台,我们可以用用其提供的方法对所设计的模型进行训练,实现自己的想法。也支持分布式计算,并且已经开源,我们可以对其进行源码的学习。
- TensorFlow的安装
TensorFlow支持C++,Python语言,因其对Python语言支持的最为全面,因此我在以后的学习中选择Python语言,(Python语言也是这样在实践中进行学习)
下载python环境安装后,确保自己安装了python的包管理工具--pip .方法是打开命令行,敲入pip,如果提示找不到该命令,则未安装或者在安装Python的时候,没有将python的命令添加进系统变量。在确保pip安装后,
# python2 用 pip python3 用 pip3
在命令行键入 pip/pip3 install --upgrade tensorflow
等待命令执行完后,安装就完成了。
- TensorFlow的简单使用
在安装完成之后,首先介绍TensorFlow中的基本概念。
在TensorFlow中,所有的运算是以图的形式进行组织的,节点是运算,边是依赖关系。
以下是实例程序:
import tensorflow as tf
a = tf.constant([1.0, 2.0], name= "a")
b = tf.constant([2.0, 3.0], name= "b")
result = a + b
sess = tf.Session()
sess.run(result)
#结果为array([3., 5.], dtype= float32)
后边文章通过例子来实践,来推理机器算法的得出。提高自己的算法能力。