TensorFlow是Google的开源深度学习库,你可以使用这个框架以及Python编程语言,构建大量基于机器学习的应用程序。而且还有很多人把TensorFlow构建的应用程序或者其他框架,开源发布到GitHub上。
这次跟大家分享一些GitHub上令人惊奇的TensorFlow项目,你可以直接在你的应用中使用,或者根据自身所需进一步予以改进。
TensorFlow简介如果你已经知道TensorFlow是什么,以及它是如何工作的,建议直接跳到下一节。如果你对使用Python学习TensorFlow感兴趣,网上也有相关的教程可以参考。
这一节内容比较傲适合初学者。如前所述,TensorFlow是一个深度学习库,使用这一框架,可以用来构建和测试深度神经网络。
深度学习让我们能够以极高的准确性构建复杂的应用程序。图像、视频、文本、音频等领域的问题,都可以通过深度学习解决。TensorFlow可以用于实现前述所有应用。
2015年11月9日,Google正式发布并开源TensorFlow,目前官方正式版本为TensorFlow 1.2。下面这段视频,是当年TensorFlow刚发布时,Google发布的一个官方介绍短片,Jeff Dean等出镜讲述。
TensorFlow很快成为GitHub上用户最多的深度学习框架。这个库之所以如此流行,是因为开发人员可以轻松的用其来搭建、测试和部署机器学习应用。
TensorFlow使用数据流图,上面是一个TensorFlow的示意图。我们不用关心这张图具体代表什么,但你需要知道,其中的椭圆和正方形代表节点,节点就是一些数学函数,你可以将节点分组形成各种数学计算,并得到输出。
箭头代表流动到各个节点的数据。所以TensorFlow也被成为数据流库。
安装Python python-3.6.1-amd64.exe
加入python.exe、pip、pip3加入环境变量
在cmd下执行:
pip3 install --upgrade tensorflow
安装完TensorFlow后,我们写一个例子进行测试下是否可以运行。
给大家两个例子:
官方例子:
CMD里输入Python即可进入输入编码模式。
>>> import tensorflow as tf >>> hello = tf.constant('Hello, TensorFlow!') >>> sess = tf.Session() >>> print(sess.run(hello))
会输出:
Hello, TensorFlow!
另外一个计算的例子:
>>>import tensorflow as tf >>>sess = tf.Session() >>>a = tf.constant(10) >>>b = tf.constant(22) >>>print(sess.run(a + b))
>>>import tensorflow as tf >>>sess = tf.Session() >>>a = tf.constant(10) >>>b = tf.constant(22) >>>print(sess.run(a + b))
会输出:
32