作者主页(文火冰糖的硅基工坊)：https://blog.csdn.net/HiWangWenBing
本文网址：https://blog.csdn.net/HiWangWenBing/article/details/119360465
目录
第1章 什么是TensorFlow？
TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。
TensorFlow? 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。
官网教程：https://doc.codingdict.com/tensorflow/tfdoc/get_started/introduction.html
第2章 深度学习的软件架构
第3章 Tensorflow软件开发架构
第4章 Tensorflow的软件架构
4.1 Tensorflow的生态链
- ?开发平台：Python或C++、GPU
- ?执行平台：Python + CPU
- Tensorflow的贡献者：商业公司、开源社区的开发者、?开源社区的科研人员、系统集成者。
- Google的作用：Google在2015年已经把Tensorflow贡献给了开源社区，Google为开源社区提供技术支持。
- Tensorflow项目的提供方式：github
- 使用者：从github获取Tensorflow的开源框架的源代码和基于Tensorflow的各种项目源代码。
- 可视化工具：Tensorboard
4.2 Tensorfor内部的软件架构
?Tensorfor提供了不同层面的编程接口，越是低级的接口，越能感受到深入学习的本质，但使用也越麻烦，学习成本越高。
- Python Frontend接口：低级接口，大多数Tensorflow学习者首先接触到的接口，与是大多数使用者感觉到上手难度大的原因。
- 在Python Frontend，定义了神经网络的层和数据集dataset，可以利用这些接口，搭建神经网络，但也还是要自己构建神经网络。
- 可以通过Keras和其提供的接口简化Tensorflow的使用，这层的接口只需要配置模型，不需要手工搭建神经网络。
- 最外层的接口是直接使用预定义的模型，不需要手工搭建神经网络。
作者主页(文火冰糖的硅基工坊)：https://blog.csdn.net/HiWangWenBing
本文网址：https://blog.csdn.net/HiWangWenBing/article/details/119360465