一、Tensorflow
深度学习框架TensorFlow一经发布，就受到了广泛的关注，并在计算机视觉、音频处理、推荐系统和自然语言处理等场景下都被大面积推广使用，现在已发布2.3.0版本，接下来我们深入浅出的介绍Tensorflow的相关应用。
TensorFlow的依赖视图如下所示:
- TF托管在github平台，有google groups和contributors共同维护。
- TF提供了丰富的深度学习相关的API，支持Python和C/C++接口。
- TF提供了可视化分析工具Tensorboard，方便分析和调整模型
- TF支持Linux平台，Windows平台，Mac平台，甚至手机移动设备等各种平台。
1、使用tf.data加载数据。 使用tf.data实例化读取训练数据和测试数据
2、模型的建立与调试:使用动态图模式Eager Execution和著名的神经网络高层API框架Keras，结合可视化工具 TensorBoard，简易、快速地建立和调试模型;
3、模型的训练: 支持 CPU/单 GPU/单机多卡 GPU/多机集群/TPU 训练模型，充分利用海量数据和计算资源进行高效训练;
4、预训练模型调用: 通过TensorFlow Hub，可以方便地调用预训练完毕的已有成熟模型
5、模型的部署: 通过TensorFlow Serving、TensorFlow Lite、TensorFlowjs 等组件，可以将TensorFlow 模型部署到服务器、移动端、嵌入式端等多种使用场景;
1.1 Tensorflow 安装
安装TensorFlow在64 位系统上测试这些系统支持 TensorFlow:
。Ubuntu 16.04 或更高版本
。Windows7或更高版本
。macOS 10.12.6(Sierra) 或更高版本 (不支持 GPU)
进入虚拟环境当中再安装。推荐使用anoconda进行安装
1、非GPU版本安装
ubuntu安装
pip install tensorflow==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple如果没有英伟达GPU，则安装非GPU版本
2、GPU版本安装
pip install tensorflow-gpu==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple注:如果需要下载GPU版本的 (TensorFlow只提供windows和linux版本的，没有Macos版本)