深度学习——TensorFlow初体验

今天学习TensorFlow，一个超级好用的神经网络搭载库

什么是TensorFlow

TensorFlow 是一个采用数据流图(data flow graphs)，用于数值计算的开源软件库。TensorFlow 最初由Google大脑小组(隶属于Google机器智能研究机构)的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。它是谷歌基于DistBelief进行研发的第二代人工智能学习系统。2015年11月9日，Google发布人工智能系统TensorFlow并宣布开源。

其命名来源于本身的原理，Tensor(张量)意味着N维数组，Flow(流)意味着基于数据流图的计算。Tensorflow运行过程就是张量从图的一端流动到另一端的计算过程。常用于计算图中

关于计算图，可以观看我之前的博客：AI学习——自动微分算法

TensorFlow的特性

1. 高度的灵活性：只要能够将计算表示成为一个数据流图，那么就可以使用TensorFlow。
2. 可移植性：TensorFlow支持CPU和GPU的运算，并且可以运行在台式机、服务器、手机移动端设备等等。
3. 自动求微分：TensorFlow内部实现了自动对于各种给定目标函数求导的方式。
4. 多种语言支持：Python、C++
5. 性能高度优化

基础代码

TensorFlow API——数据类型

# 标量
import tensorflow as tf
a = tf.constant(1,2)
type(a)
a

# 向量
b = tf.constant([1,2.,3.3])
b.numpy(), b.shape
b

# 矩阵
c = tf.constant([[1,2],[3,4]])
c.shape
c

待优化张量

# 列表转张量
a = tf.Variable([[1,2],[3,4]])
a

# 全0向量矩阵
tf.zeros([2,2,2]), tf.zeros_like(a)

# 全1向量矩阵
tf