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：
- 真正的可移植性
- 多语言支持
- 高度的灵活性与效率
- 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。
