关于tensorflow

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。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。

数据流图用“结点”（nodes）和“线”(edges)的有向图来描述数学计算。“节点” 一般用来表示施加的数学操作，但也可以表示数据输入（feed in）的起点/输出（push out）的终点，或者是读取/写入持久变量（persistent variable）的终点。“线”表示“节点”之间的输入/输出关系。这些数据“线”可以输运“size可动态调整”的多维数据数组，即“张量”（tensor）。张量从图中流过的直观图像是这个工具取名为“Tensorflow”的原因。一旦输入端的所有张量准备好，节点将被分配到各种计算设备完成异步并行地执行运算。

准备工作，首先将源改为阿里的，可以参考这里

# pip3 install --upgrade setuptools
# pip3 install numpy Matplotlib
# pip3 install opencv-python
# pip3 install tensorflow==1.13.1 -i http://mirrors.aliyun.com/pypi/simple
# pip3 install tensorflow -i http://mirrors.aliyun.com/pypi/simple 

//查看tensorflow安装版本: 
# pip3 show tensorflow 
//卸载tensorflow的命令：
# pip3 uninstall tensorflow  

安装后引入

>>> import cv2 as cv,cv2
>>> print (cv2.__version__) 
//4.2.0

运行第一个tensorflow代码

>>> import tensorflow as tf
# import os
# os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))

一些tensorflow程序需要数据集

点击这里下载: http://yann.lecun.com/exdb/mnist/

将需要的数据集放到你要运行程序的项目下