学习TensorFlow是进入实验室以来遇到的第一个深度学习框架，想把学习过程记录下来，也算是对后续其他学习TensorFlow的同学提供个简单思路和过程。
tensorflow简介
TensorFlow是谷歌基于DistBelief进行研发的第二代深度学习框架，之前只是谷歌开发供其内部使用，后续逐渐开源并支持多种系统，其命名来源于本身的运行原理，Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算。该框架通过数据在图中的流动进行设计，使用TensorFlow进行网络构建其实重点也在于图的构建，如下图所示，其余详细信息不在赘述。
（图片来自网络）TensorFlow数据流
Tensorflow的安装
目前主流的安装方式有基于Docker的安装，Docker是什么和如何使用可以参见我对docker的介绍。此外还有基于Anaconda的安装，基于pip的安装，源码编译安装等，根据需要我只讲述我配置的基于pip的安装过程
- Linux、MacOS操作系统
- CPU
- Nividia GPU（可选）
- python 3.0+（2.0+可选）
第一步：安装pip
有的python 版本自带pip有的没有，我使用的python3.6，自带pip3，如果没有则运行如下命令：
# ubuntu OS
$ sudo apt-get install python-pip
# Mac OS（python2.7）
$ sudo easy_install pip
因为mac自带python2.7，安装的也是对应版本的pip，若要使用python 3.6，官网下载，该版本自带pip3
第二步： 安装Tensorflow
Tensorflow分为GPU版本和CPU版本，因为我使用的Mac，自带的独立显卡是A卡，所以我只在笔记本上安装了CPU版本，参考命令如下所示：
pip3 install tensorflow
注意Mac有两个版本的python共存，使用pip则安装到系统自带python2.7对应的扩展库，使用pip3才是安装在python3.6的扩展里。执行完安装后进入python3环境中，执行import，若不报错则安装成功。
