宋琳璇

首先我們來(lái)解釋一下什么是TensorFlow：所謂tensor，就是指張量，在tensorflow中可以被簡(jiǎn)單理解為多維數(shù)組，可用的張量類(lèi)型包括常數(shù)、變量、張量占位符和稀疏張量，表明了它的數(shù)據(jù)結(jié)構(gòu)。張量的秩是它的維數(shù)，而它的形狀是一個(gè)整數(shù)元組，指定了數(shù)組中每個(gè)維度的長(zhǎng)度。張量按NumPy數(shù)組的方式進(jìn)行切片和重構(gòu)。flow——中文翻譯為“流”，直觀(guān)地表達(dá)了張量之間通過(guò)計(jì)算相互轉(zhuǎn)換的過(guò)程。

TensorFlow是一個(gè)基于數(shù)據(jù)流編程（dataflow programming）的符號(hào)數(shù)學(xué)系統(tǒng)，被廣泛應(yīng)用于各類(lèi)機(jī)器學(xué)習(xí)（machine learning）算法的編程實(shí)現(xiàn)，前身是谷歌的神經(jīng)網(wǎng)絡(luò)算法庫(kù)DistBelief。

Tensorflow擁有多層級(jí)結(jié)構(gòu)，可部署于各類(lèi)服務(wù)器、PC終端和網(wǎng)頁(yè)并支持GPU和TPU高性能數(shù)值計(jì)算，被廣泛應(yīng)用于谷歌內(nèi)部的產(chǎn)品開(kāi)發(fā)和各領(lǐng)域的科學(xué)研究。

TensorFlow由谷歌人工智能團(tuán)隊(duì)谷歌大腦（Google Brain）開(kāi)發(fā)和維護(hù)，擁有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在內(nèi)的多個(gè)項(xiàng)目以及各類(lèi)應(yīng)用程序接口（Application Programming Interface，API）。

TensorFlow可以使用C++、python等多門(mén)語(yǔ)言進(jìn)行開(kāi)發(fā)。下面以python版本為例介紹一下tensorflow的版本。TensorFlow提供Python語(yǔ)言下的四個(gè)不同版本：CPU版本（tensorflow）、包含GPU加速的版本（tensorflow-gpu），以及它們的每日編譯版本（tf-nightly、tf-nightly-gpu）。TensorFlow的Python版本支持Ubuntu 16.04、Windows 7、macOS 10.12.6 Sierra、Raspbian 9.0及對(duì)應(yīng)的更高版本，其中macOS版不包含GPU加速。安裝Python版TensorFlow可以使用模塊管理工具pip/pip3或anaconda并在終端直接運(yùn)行。

總的來(lái)說(shuō)呢，TensorFlow 是一個(gè)編程系統(tǒng)，使用圖來(lái)表示計(jì)算任務(wù)。圖中的節(jié)點(diǎn)被稱(chēng)之為 op（operation 的縮寫(xiě)）。一個(gè) op 獲得 0 個(gè)或多個(gè) Tensor，執(zhí)行計(jì)算，產(chǎn)生 0 個(gè)或多個(gè) Tensor。每個(gè) Tensor 是一個(gè)類(lèi)型化的多維數(shù)組。例如，你可以將一小組圖像集表示為一個(gè)四維浮點(diǎn)數(shù)數(shù)組，這四個(gè)維度分別是 [batch，height，width，channels]。

一個(gè) TensorFlow 圖描述了計(jì)算的過(guò)程。為了進(jìn)行計(jì)算，圖必須在 會(huì)話(huà) 里被啟動(dòng).會(huì)話(huà) 將圖的 op 分發(fā)到諸如 CPU 或 GPU 之類(lèi)的 設(shè)備 上，同時(shí)提供執(zhí)行 op 的方法。這些方法執(zhí)行后，將產(chǎn)生的 tensor 返回.在 Python 語(yǔ)言中，返回的 tensor 是 numpy ndarray 對(duì)象；在 C 和 C++ 語(yǔ)言中，返回的 tensor 是 tensorflow：：Tensor 實(shí)例。

接下來(lái)我們介紹一下CPU和GPU設(shè)備：TensorFlow支持CPU和GPU運(yùn)行，在程序中設(shè)備使用字符串進(jìn)行表示。CPU表示為”/cpu：0”；第一個(gè)GPU表示為”/device：GPU：0”；第二個(gè)GPU表示為”/device：GPU：1”，以此類(lèi)推。如果TensorFlow指令中兼有CPU和GPU實(shí)現(xiàn)，當(dāng)該指令分配到設(shè)備時(shí)，GPU設(shè)備有優(yōu)先權(quán)。TensorFlow僅使用計(jì)算能力高于3.5的GPU設(shè)備。

TensorFlow在很多地方可以應(yīng)用，如語(yǔ)音識(shí)別，自然語(yǔ)言理解，計(jì)算機(jī)視覺(jué)，廣告等等。TensorFlow是一個(gè)非常靈活的框架，它能夠運(yùn)行在個(gè)人電腦或者服務(wù)器的單個(gè)或多個(gè)CPU和GPU上，甚至是移動(dòng)設(shè)備上。

TensorFlow 內(nèi)建深度學(xué)習(xí)的擴(kuò)展支持，任何能夠用計(jì)算流圖形來(lái)表達(dá)的計(jì)算，都可以使用TensorFlow。任何基于梯度的機(jī)器學(xué)習(xí)算法都能夠受益于TensorFlow的自動(dòng)分化（auto-differentiation）。通過(guò)靈活的Python接口，要在TensorFlow中表達(dá)想法也會(huì)很容易。TensorFlow 對(duì)于實(shí)際的產(chǎn)品也是很有意義的。將思路從桌面GPU訓(xùn)練無(wú)縫搬遷到手機(jī)中運(yùn)行。所以TensorFlow的意義是非常深遠(yuǎn)和重大的。