tensorflow機器學習係統 V1.1.0 綠色免費版

tensorflow機器學習係統是來自互聯網巨頭公司穀歌最新開發的一套全球通用的智能設備學習程序。它可以幫助用戶在智能設備上麵進行快速的係統設定與安裝，讓用戶對智能係統進行調試和改進，在未來有望實現更加先進的智能化生活！

軟件簡介

TensorFlow是穀歌最新發布全新人工智能係統。該係統可被用於語音識別或照片識別等多項機器深度學習領域，主要針對2011年開發的深度學習基礎架構DistBelief進行了各方麵的改進，它可在小到一部智能手機、大到數千台數據中心服務器的各種設備上運行。TensorFlow將完全開源，任何人都可以用。

相關說明

TensorFlow正是基於第一代DistBelief進行開發的，其命名來源於本身的運行原理，Tensor（張量）意味著N維數組，Flow（流）意味著基於數據流圖的計算，TensorFlow即為張量從圖象的一端流動到另一端——將複雜的數據結構傳輸至人工智能神經網中進行分析和處理。

相比較之下，作為穀歌第二代人工智能係統，TensorFlow更快、更智能化，也更加靈活，可以更加輕鬆地應用於穀歌的新產品以及支持技術研究。按某些標準計算，TensorFlow的運行速度相當於DistBelief的3倍。

TensorFlow一大亮點是支持異構設備分布式計算，它能夠在各個平台上自動運行模型，從電話、單個CPU / GPU到成百上千GPU卡組成的分布式係統。也就是說，任何基於梯度的機器學習算法都能夠受益於TensorFlow的自動分化（auto-differentiation）。

在加州灣區Google總部山景城舉辦的TensorFlow開發者峰會上，TensorFlow 1.0版本正式發布！目前已經可以下載和更新全新的TensorFlow。官方介紹稱，全新的TensorFlow 1.0深度學習框架將更快、更靈活、更實用。

TensorFlow 1.0框架將通過提供更多API的方式，提升這個深度學習框架的靈活性和實用性。TensorFlow工程總監Rajat Monga在峰會上透露，TensorFlow 1.0將對更多工具提供支持，例如K-means和支持向量機(SVM)。

TensorFlow的特征

高度的靈活性

TensorFlow 不是一個嚴格的“神經網絡”庫。隻要你可以將你的計算表示為一個數據流圖，你就可以使用Tensorflow。你來構建圖，描寫驅動計算的內部循環。我們提供了有用的工具來幫助你組裝“子圖”（常用於神經網絡），當然用戶也可以自己在Tensorflow基礎上寫自己的“上層庫”。定義順手好用的新複合操作和寫一個python函數一樣容易，而且也不用擔心性能損耗。當然萬一你發現找不到想要的底層數據操作，你也可以自己寫一點c++代碼來豐富底層的操作。

真正的可移植性（Portability）

Tensorflow 在CPU和GPU上運行，比如說可以運行在台式機、服務器、手機移動設備等等。想要在沒有特殊硬件的前提下，在你的筆記本上跑一下機器學習的新想法？Tensorflow可以辦到這點。準備將你的訓練模型在多個CPU上規模化運算，又不想修改代碼？Tensorflow可以辦到這點。想要將你的訓練好的模型作為產品的一部分用到手機app裏？Tensorflow可以辦到這點。你改變主意了，想要將你的模型作為雲端服務運行在自己的服務器上，或者運行在Docker容器裏？Tensorfow也能辦到。Tensorflow就是這麼拽 :)

將科研和產品聯係在一起

過去如果要將科研中的機器學習想法用到產品中，需要大量的代碼重寫工作。那樣的日子一去不複返了！在Google，科學家用Tensorflow嚐試新的算法，產品團隊則用Tensorflow來訓練和使用計算模型，並直接提供給在線用戶。使用Tensorflow可以讓應用型研究者將想法迅速運用到產品中，也可以讓學術性研究者更直接地彼此分享代碼，從而提高科研產出率。

自動求微分

基於梯度的機器學習算法會受益於Tensorflow自動求微分的能力。作為Tensorflow用戶，你隻需要定義預測模型的結構，將這個結構和目標函數（objective function）結合在一起，並添加數據，Tensorflow將自動為你計算相關的微分導數。計算某個變量相對於其他變量的導數僅僅是通過擴展你的圖來完成的，所以你能一直清楚看到究竟在發生什麼。

多語言支持

Tensorflow 有一個合理的c++使用界麵，也有一個易用的python使用界麵來構建和執行你的graphs。你可以直接寫python/c++程序，也可以用交互式的ipython界麵來用Tensorflow嚐試些想法，它可以幫你將筆記、代碼、可視化等有條理地歸置好。當然這僅僅是個起點——我們希望能鼓勵你創造自己最喜歡的語言界麵，比如Go，Java，Lua，Javascript，或者是R。

性能最優化

比如說你又一個32個CPU內核、4個GPU顯卡的工作站，想要將你工作站的計算潛能全發揮出來？由於Tensorflow 給予了線程、隊列、異步操作等以最佳的支持，Tensorflow 讓你可以將你手邊硬件的計算潛能全部發揮出來。你可以自由地將Tensorflow圖中的計算元素分配到不同設備上，Tensorflow可以幫你管理好這些不同副本。