TensorFlow简介

TensorFlow产生的历史

• 1980s：感知机与特征工程
  • 计算力低，数据量小
• 1990s：神经网络在图像和语音领域发力
  • MINIST：手写字体识别，机器学习界的Hello Word
• 2012-：算力和数据增长推动深度学习的繁荣发展
  

TensorFlow与Jeff Dean

TensorFlow之父——Jeff Dean

TensorFlow前世今生

• 第一代大规模分布式深度学习框架：Google DistBelief（2012年）
  • paper：Large Scale DistBelief Deep Network
• 第二代大规模分布式深度学习框架（开源）：Google TensorFlow（2015年）
  • 灵活通用的深度学习库
  • 端云结合的人工智能引擎
  • 高性能的基础平台软件
  • 跨平台的机器学习系统

TensorFlow的应用场景

• 其中AlphaGO Zero是纯强化学习，没有输入任何棋谱训练
• TPU比GPU在深度学习的训练方面更有优势
  • GPU是为大量的浮点数运算而设计的一种硬件
  • 可以任务TPU是专门为TensorFlow设计的硬件
  • 现在衍生出专门的AI芯片

TensorFlow的发展现状

TensorFlow开源社区

TensorFlow项目发展

• Initial Release
• GPU&more：支持GPU，支持更多平台
• TensorBoard：可视化工具，数据流图方式展现模型
• 1.0 Release（第一个正式版）：XLA（优化数据流图执行效率）, New APIs（增加很多新的API），投入商业生产环境
• High-Level APIs：包括Keras、TFLearn等
• tf.keras、tf.data：处理数据的模块，有效代替Pandas
• TF Lite：轻量型，移动端应用
• Eager：动态图执行模式
  • 静态数据流图：提升运行时效率，难调试
  • Eager：支持Python原生语言，降低使用门槛

TensorFlow多语言接口

搭建TensorFlow开发环境

TensorFlow支持的硬件平台

• 支持最简单的中央处理器CPU（Central Processing Unit ），使得PC机、笔记本、服务器均可使用TensorFlow
• 高性能服务器、高性能桌面环境支持图形处理器GPU（Graphics Processing Unit），一种专门在个人电脑、工作站、游戏机和一些移动设备(如平板电脑、智能手机等)上图像运算工作的微处理器
• 张量处理单元即TPU(Tensor Processing Unit)，一款为机器学习而定制的芯片，经过了专门深度机器学习方面的训练，有更高效能(每瓦计算能力)

TensorFlow支持的操作系统

• Ubuntu 16.04 or later
• Windows 7 or later
• MacOS 10.12.6(Sierra) or later
  • Mac的GPU现在已经不再维护，兼容性可能不太好
  • 建议在英伟达的GPU或TPU上使用
• Raspbian 9.0 or later（树莓派）

安装TensorFlow
【TensorFlow】Anaconda中安装TensorFlow

在交互环境中使用TensorFlow

• jupyter notebook

在容器中使用TensorFlow

TensorFlow模块与基础架构

TensorFlow模块与APIs

• Keras是一个比TensorFlow还要早的开源项目，最早对接Torch这种开源框架；
• Estimator由TensorFlow团队推出，从模型设计角度很适用，提供了模型估算、模型定义、模型指标度量的接口；
• Layers：封装好的神经网络层的接口，诸如卷积、池化……
• Datasets：数据处理、数据输入输出；
• Metrics：获取训练过程各种的指标；

TensorFlow架构

• 模块化，分层次
  • 高层次的模块调用低层次的模块，低层次以接口的方式向上提供调用的逻辑
  • 核函数：操作的实现
    

---

极客时间