TensorFlow的特点和基本的操作方式

　　Tensorflow是什么？
　　Tensorflow是当前最流行的深度学习框架，它既是一个实现深度学习算法的接口，也是执行深度学习算法的框架。Tensorflow前端支持Python、C++、Java、Go等语言，后端使用C++、CUDA等写成，可在众多系统上运行，包括Windows、Mac、Linux、Android、IOS等。
　　Tensorflow的官方网址为 http://www.tensorflow.org
　　Tensorflow的GitHub网址为 https://github.com/tensorflow/tensorflow

　　Tensorflow的特征
　　高度的灵活性
　　TensorFlow 不是一个严格的“神经网络”库。只要你可以将你的计算表示为一个数据流图，你就可以使用Tensorflow。你来构建图，描写驱动计算的内部循环。我们提供了有用的工具来帮助你组装“子图”（常用于神经网络），当然用户也可以自己在Tensorflow基础上写自己的“上层库”。定义顺手好用的新复合操作和写一个python函数一样容易，而且也不用担心性能损耗。当然万一你发现找不到想要的底层数据操作，你也可以自己写一点c++代码来丰富底层的操作。
　　真正的可移植性（Portability）
　　Tensorflow 在CPU和GPU上运行，比如说可以运行在台式机、服务器、手机移动设备等等。想要在没有特殊硬件的前提下，在你的笔记本上跑一下机器学习的新想法？Tensorflow可以办到这点。准备将你的训练模型在多个CPU上规模化运算，又不想修改代码？Tensorflow可以办到这点。想要将你的训练好的模型作为产品的一部分用到手机app里？Tensorflow可以办到这点。你改变主意了，想要将你的模型作为云端服务运行在自己的服务器上，或者运行在Docker容器里？Tensorfow也能办到
　　多语言支持
　　Tensorflow 有一个合理的c++使用界面，也有一个易用的python使用界面来构建和执行你的graphs。你可以直接写python/c++程序，也可以用交互式的ipython界面来用Tensorflow尝试些想法，它可以帮你将笔记、代码、可视化等有条理地归置好。当然这仅仅是个起点——我们希望能鼓励你创造自己最喜欢的语言界面，比如Go，Java，Lua，Javascript，或者是R
　　性能最优化
　　比如说你又一个32个CPU内核、4个GPU显卡的工作站，想要将你工作站的计算潜能全发挥出来？由于Tensorflow 给予了线程、队列、异步操作等以最佳的支持，Tensorflow 让你可以将你手边硬件的计算潜能全部发挥出来。你可以自由地将Tensorflow图中的计算元素分配到不同设备上，Tensorflow可以帮你管理好这些不同副本。

　　下载以及安装
　　选择类型
　　必须选择以下类型的TensorFlow之一来安装：
　　TensorFlow仅支持CPU支持。如果您的系统没有NVIDIA®GPU，则必须安装此版本。请注意，此版本的TensorFlow通常会更容易安装（通常在5或10分钟内），因此即使您有NVIDIA GPU，我们建议先安装此版本。
　　TensorFlow支持GPU。TensorFlow程序通常在GPU上比在CPU上运行得更快。因此，如果您的系统具有满足以下所示先决条件的NVIDIA®GPU，并且您需要运行性能关键型应用程序，则应最终安装此版本。
　　Ubuntu和Linux
　　如果要安装GPU版本的，需要安装一大堆NVIDIA软件（不推荐）：
　　CUDA®Toolkit 8.0。有关详细信息，请参阅 NVIDIA的文档。确保您将相关的Cuda路径名附加到 LD_LIBRARY_PATH环境变量中，如NVIDIA文档中所述。与CUDA Toolkit 8.0相关的NVIDIA驱动程序。
　　cuDNN v5.1。有关详细信息，请参阅 NVIDIA的文档。确保CUDA_HOME按照NVIDIA文档中的描述创建环境变量。
　　具有CUDA Compute Capability 3.0或更高版本的GPU卡。有关支持的GPU卡的列表，请参阅 NVIDIA文档。
　　libcupti-dev库，即NVIDIA CUDA Profile Tools界面。此库提供高级分析支持。要安装此库，请发出以下命令：
　　使用pip安装，分别有2.7和3.6版本的
　　# 仅使用 CPU 的版本$ pip install https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.0.1-cp27-none-linux_x86_64.whl $ pip3 install https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.0.1-cp36-cp36m-linux_x86_64.whl
　　Mac
　　macX下也可以安装2.7和3.4、3.5的CPU版本
　　# 2.7$ pip install https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.0.1-py2-none-any.whl # 3.4、3.5$ pip3 install https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.0.1-py3-none-any.whl

　　HelloWorld
       程序员从“HelloWorld”开始。在安装好Tensorflow之后，写个HelloWorld试试安装是否成功。代码如下：
　　importtensorflowastf
　　hello=tf.constant（‘Hello，TensorFlow！’）
　　sess=tf.Session（）
　　print（sess.run（hello））
　　如果成功输出“Hello，TensorFlow！”，则表明TensorFlow安装成功。
　　从这个HelloWorld代码可以看出，（1）要使用tensorflow，先要导入tensorflow库，使用importtensorflow导入，一般会简写为tf（2）要执行tensorflow，先要创建Session（会话）。Session是用户使用tensorflow时的交互接口，用以创建计算图，然后通过Session的run方法执行计算图。