本文是《人人都能學人工智能-TensorFlow系列》文章的第一篇，這個系列會對TensorFlow的基礎使用，SoftMax，交叉熵，Dropout，CNN，LSTM和NLP等內容進行系列介紹，盡量使用通俗的語言，讓更多的人都能了解人工智能，了解TensorFlow。

TensorFlow是Google開源的一款人工智能學習系統。為什么叫這個名字呢？Tensor的意思是張量，代表N維數組；Flow的意思是流，代表基于數據流圖的計算。把N維數字從流圖的一端流動到另一端的過程，就是人工智能神經網絡進行分析和處理的過程。

話說在Android占領了移動端后，Google開源了TensorFlow，希望占領AI端。TF的特點是可以支持多種設備，大到GPU、CPU，小到平板和手機都可以跑起來TF。而且TF的使用很方便，幾行代碼就能開始跑模型，這讓神經網絡的入門變得非常簡單。

本文是第一篇，都是最基礎的內容，老手可以略過

一、TensorFlow的安裝

在開始寫代碼之前，咱們先得把TensorFlow安裝到電腦上。這里有兩種方法，一是一個一個手動命令行安裝，二是批量的圖形化界面安裝。

先看手動安裝，我們安裝好TensorFlow和upyter Notebook就可以了。

1）安裝TensorFlow

Windows上：

安裝CPU版本：管理員模式打開命令行，輸入命令：pip install tensorflow

安裝GPU版本：管理員模式打開命令行，輸入命令：pip install tensorflow-gpu

Linux上：

命令和上面一樣，如果你使用的是Python3點幾的版本，那么安裝命令為：

安裝CPU版本：輸入命令：pip3 install tensorflow

安裝GPU版本：輸入命令：pip3 install tensorflow-gpu

如果提示沒有安裝pip，mac的同學可以先通過命令安裝pip：

1 命令行輸入：curlhttps://bootstrap.pypa.io/ez_setup.py-o - | sudo python

2 命令行輸入：sudo easy_install pip

2）安裝Jupyter Notebook

這是一個交互式的筆記本，你可以理解為一個比較漂亮和簡潔的編輯器。可以很方便地創建和共享文學化程序文檔，支持實時代碼，數學方程，可視化和 markdown。一般用與做數據清理和轉換，數值模擬，統計建模，機器學習等等。

輸入命令：pip install jupyter

前面的方法是自己手動一個一個安裝，其實已經有人幫我們做了一個大集合，不需要再一個一個手動安裝了，下面介紹圖形界面的批量安裝方式：

1）安裝Anaconda。Anaconda是什么？如果你把TensorFlow看做火箭筒，那么Anaconda就是軍火庫，里面有各種的科學計算，機器學習的Python工具庫。在官網下載后，直接安裝，然后打開Anaconda，就可以看到下面的頁面：

2）點到第二行的Environments，可以看到很多的工具包，搜索TensorFlow，勾選上，然后點擊Apply，進行安裝就可以了。如果以后還需要其他的工具包，也可以在里面找到，勾選上進行安裝。

OK，安裝教程到此告一段落。有了jupyter和tensorflow，我們就可以開始基礎的運算了。

二、TensorFlow的基礎運算

在搞神經網絡之前，先讓我們把TensorFlow的基本運算，也就是加減乘除搞清楚。

首先，TensorFlow有幾個概念需要進行明確：

1 圖（Graph）：用來表示計算任務，也就我們要做的一些操作。

2 會話（Session）：建立會話，此時會生成一張空圖；在會話中添加節點和邊，形成一張圖，一個會話可以有多個圖，通過執行這些圖得到結果。如果把每個圖看做一個車床，那會話就是一個車間，里面有若干個車床，用來把數據生產成結果。

3 Tensor：用來表示數據，是我們的原料。

4 變量（Variable）：用來記錄一些數據和狀態，是我們的容器。

5 feed和fetch：可以為任意的操作(arbitrary operation) 賦值或者從其中獲取數據。相當于一些鏟子，可以操作數據。

形象的比喻是：把會話看做車間，圖看做車床，里面用Tensor做原料，變量做容器，feed和fetch做鏟子，把數據加工成我們的結果。

2.1 創建圖和運行圖：

下面我們創建一個圖，并在Session中執行它，不用擔心看不懂，每句代碼都會注釋，只有有編程基礎，都能OK：

上面就是用TensorFlow進行了一個最簡單的矩陣乘法。

2.2 創建一個變量，并用for循環對變量進行賦值操作

可以看到，除了變量創建稍微麻煩一些和必須建立session來運行，其他的操作基本和普通Python一樣。

2.3 通過feed設置placeholder的值

有的時候，我們會在聲明變量的時候不賦值，計算的時候才進行賦值，這個時候feed就派上用場了

到這里，恭喜你，已經成功入門TensorFlow~ 是不是覺得太簡單?好像和深度學習毛線關系都沒有嘛。不要急，下一篇文章和大家一起用TensorFlow做一個簡單的用神經網絡來做手寫圖片識別的實戰。

想第一時間看到下一篇實戰文章？抓緊訂閱吧~~~

作者：AI二師兄
鏈接：https://www.jianshu.com/p/2ea7a0632239
來源：簡書
簡書著作權歸作者所有，任何形式的轉載都請聯系作者獲得授權并注明出處。

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的五分钟带你入门TensorFlow的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。