第九章——运行tensorflow（Up and Running with TensorFlow）

本章简单介绍了TensorFlow的安装以及使用。一些细节需要在后续的应用中慢慢把握。

TensorFlow并不仅仅局限于神经网络和机器学习，它甚至可以用于量子物理仿真。

TensorFlow的优势：

• 可运行于诸多操作系统
• 提供一个叫做TF.Learn（tensorflow.contrib.learn）的简单的Python API，和Scikit-Learn兼容，可以用短短几行代码训练多种神经网络。
• 提供另一个叫做TF-slim（tensorflow.contrib.slim）的API，用于简化神经网络的创建、训练、评估。
• 另外一些高级api独立地创建于TensorFlow之上，比如Keras、Pretty Tensor。
• 提供的核心Python API很灵活（以高复杂度为代价），可以实现各式各样计算，包括任意的神经网络体系。
• 包含需要ML操作高效的C++实现，同时也提供C++ API来自定义操作。
• 提供一些高级优化算法来寻找使得损失函数最小的参数。实现了自动微分算法，可以方便地计算任意函数的导数。
• 提供可视化工具TensorBoard，可用于查看计算图、学习曲线等。
• Google提供了cloud service to run TensorFlow graphs。
• 资源页：www.tensorflow.org、https://github.com/jtoy/awesome-tensorflow。交流区：https://groups.google.com/a/tensorflow.org。

剩下的一些TensorFlow基础操作，在后续章节的使用中慢慢熟悉吧。