TensorFlow介绍

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

安装Python python-3.6.1-amd64.exe

加入python.exe、pip、pip3加入环境变量

安装TensorFlow

在cmd下执行：

pip3 install --upgrade tensorflow  

TensorFlow测试

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