Tensorflow基础

Tensorflow基础

1. 深度学习介绍

机器学习与深度学习的区别

	机器学习	深度学习
算法	是浅层的神经网络	图像处理：卷积神经网络自然语言处理：循环神经网络用的是深度神经网络
领域	主要用于做分类和回归的预测	图像处理，语音识别等等

• 深度学习的算法本身设计复杂，数据量大，特征多，因此运行时间长。
• CPU：运行操作系统，主要处理业务，计算能力不是特别突出。
• GPU：专门为计算而设计的。
• CPU与GPU的区别用一个例子来说明，CPU相当于一个高中生，能处理很多的业务，也可以计算。GPU相当于1000个计算能力很强的小学生。

2.认识Tensorflow

全面的深度学习框架,学习Tensorflow相当于学习了一个新的语言。

• tensorflow的特点：
  1. 真正的可移植性
  2. 多语言支持
  3. 高度的灵活性与效率
  4. 支持
• 首先安装Tensorflow，为了简单起见，使用pip install tensorflow，安装了cpu版本的。

• Tensorflow的数据流图：
  数据流图
  • 箭头：tensor：张量。
  • 结点：operation（op）:专门的运算
  • 整体：图（gragh）：整的程序结构

然而当定义好整体之后，并不能运算出结果。还需要有会话。

• 会话：运算程序的图。没有会话，只是定义了一个壳，什么都没有做。

Tensorflow与以往的框架不同，框架主要分为计算密集型和IO密集型。

	计算密集型	IO密集型
框架	tensorflow	django，scrapy
	拿到特征数据，主要做计算。不会频繁的发生IO操作。	http请求，磁盘操作等等。

tensorflow实现一个简单的两个数相加：

#实现一个加法运算
a = tf.constant(5.0)
b = tf.constant(6.0)
sum1 = tf.add(a, b)
# print(sum1)

with tf.Session() as sess:
    print(sess.run(sum1))

• 定义的a,b就是张量，tf.add()就是一个op，tf.Session()开启一个会话，sess.run()执行op。