现如今，人工智能已进入人们的生活，学习人工智能日益火爆，很多学习人工智能的朋友都选择从 TensorFlow 入门，这也使得 TensorFlow 成为了当下最热门的人工智能课程，TensorFlow 是什么？小白如何入门学TensorFlow ？IT培训网小编给大家做详细介绍。

一、什么是TensorFlow ？

TensorFlow 是 Google 开源的一款人工智能学习系统。为什么叫这个名字呢？

Tensor 的意思是张量，代表 N 维数组；Flow 的意思是流，代表基于数据流图的计算。

把 N 维数字从流图的一端流动到另一端的过程，就是人工智能神经网络进行分析和处理的过程。

话说在 Android 占领了移动端后，Google开源了 TensorFlow，希望占领 AI 端。

TF的特点是可以支持多种设备，大到 GPU、CPU，小到平板和手机都可以跑起来 TF。

而且 TF 的使用很方便，几行代码就能开始跑模型，这让神经网络的入门变得非常简单。

二、TensorFlow 的安装

在开始写代码之前，咱们先得把 TensorFlow 安装到电脑上。这里有两种方法，一是逐个手动命令行安装，二是批量的图形化界面安装。

先看手动安装，我们安装好 TensorFlow 和 upyter Notebook 就可以了。

安装 TensorFlow

Windows 上：

·         安装 CPU 版本：管理员模式打开命令行，输入命令：pip install tensorflow

·         安装 GPU 版本：管理员模式打开命令行，输入命令：pip install tensorflow-gpu

Linux 上：

命令和上面一样，如果你使用的是 Python 3.X 的版本，那么安装命令为：

·         安装 CPU 版本：输入命令：pip3 install tensorflow

·         安装 GPU 版本：输入命令：pip3 install tensorflow-gpu

如果提示没有安装 pip，mac 的同学可以先通过命令安装 pip：

·         命令行输入：

·         命令行输入：

安装 Jupyter Notebook

这是一个交互式的笔记本，你可以理解为一个比较漂亮和简洁的编辑器。可以很方便地创建和共享文学化程序文档，支持实时代码，数学方程，可视化和 markdown。一般用与做数据清理和转换，数值模拟，统计建模，机器学习等等。

输入命令：pip install jupyter

前面的方法是自己手动一个一个安装，其实已经有人帮我们做了一个大集合，不需要再一个一个手动安装了，下面介绍图形界面的批量安装方式：

安装 Anaconda

Anaconda 是什么？如果你把 TensorFlow 看做火箭筒，那么 Anaconda 就是军火库，里面有各种的科学计算，机器学习的 Python 工具库。

在官网下载后，直接安装，然后打开 Anaconda，就可以看到下面的页面：

点到第二行的 Environments，可以看到很多的工具包，搜索 TensorFlow，勾选上，然后点击 Apply，进行安装就可以了。如果以后还需要其他的工具包，也可以在里面找到，勾选上进行安装。

OK，安装教程到此告一段落。有了 jupyter 和tensorflow，我们就可以开始基础的运算了。

三、TensorFlow 基础运算

在搞神经网络之前，先让我们把 TensorFlow 的基本运算，也就是加减乘除搞清楚。

首先，TensorFlow 有几个概念需要进行明确：

·    图：用来表示计算任务，也就我们要做的一些操作。

·    会话：建立会话，此时会生成一张空图；在会话中添加节点和边，形成一张图，一个会话可以有多个图，通过执行这些图得到结果。

如果把每个图看做一个车床，那会话就是一个车间，里面有若干个车床，用来把数据生产成结果。

·    Tensor：用来表示数据，是我们的原料。

·    变量（Variable）：用来记录一些数据和状态，是我们的容器。

·    feed和fetch：可以为任意的操作（arbitrary operation ) 赋值或者从其中获取数据。相当于一些铲子，可以操作数据。

形象的比喻是：把会话看做车间，图看做车床，里面用 Tensor 做原料，变量做容器，feed 和 fetch 做铲子，把数据加工成我们的结果。

创建图和运行图

下面我们创建一个图，并在 Session 中执行它，不用担心看不懂，每句代码都会注释，只有有编程基础，都能 OK：

上面就是用 TensorFlow 进行了一个最简单的矩阵乘法。

创建一个变量，并用 for 循环对变量进行赋值操作。

可以看到，除了变量创建稍微麻烦一些和必须建立 session来运行，其他的操作基本和普通 Python 一样。

通过 feed 设置 placeholder 的值

有的时候，我们会在声明变量的时候不赋值，计算的时候才进行赋值，这个时候 feed 就派上用场了。

到这里，恭喜你，已经成功入门 TensorFlow， 是不是觉得太简单？IT培训网祝愿大家都能够早日成才！