TensorFlow是Google Brain的第二代机器学习系统，许可证协议是Apache Licence 2.0，就是说不修改代码的情况下随便用，商用也可以。
中文官方网址:
https://www.tensorflow.org/?hl=zh-cn
按照文档安装tensorflow环境并不困难，python包不大，但是运行第一个demo，需要安装tensorflow的模型库，demo也在模型库中
git clone https://github.com/tensorflow/models模型库500多M，git目录里的object/pack很大，也是500多M，一共1G多。
说到模型库，就要普及下机器学习主要术语：
标签 特征 样本 模型 回归与分类
如官网给出的示例，表格中前四列是特征，最后一列是标签，而每一行数据，就是样本。
前四列的特征，决定了标签的值，在这里，就是说如果花萼的长度、花萼的宽度、花瓣的长度和花瓣的宽度四个特征，决定了这是什么种类的花，即标签
| 花萼长度 | 花萼宽度 | 花瓣长度 | 花瓣宽度 | 品种(标签) |
|---|---|---|---|---|
| 5.1 | 3.3 | 1.7 | 0.5 | 0（山鸢尾） |
| 5.0 | 2.3 | 3.3 | 1.0 | 1（变色鸢尾） |
| 6.4 | 2.8 | 5.6 | 2.2 | 2（维吉尼亚鸢尾） |
在数据还是样本的时候，特征和标签是指定好的，他们之间的联系存在于给出样本的人的脑子里，机器并不知道特征和标签之间的联系，于是机器开始根据样本学习特征和标签之间的关系，这也就是机器通过学习建立模型的过程。
机器觉得学得差不多了，也就是各种误差的方差、均方差、xx差达到一定标准了，说明模型创建成功了，那么再给出一些只包含特征的数据时，机器就可以根据模型，根据特征，得到标签了。
可以看出来，学习创建模型是整个问题的核心，但是作为初学者，也不是数学专业的高材生，那么直接用别人做出来的模型解决一些问题就好了，TensorFlow本身就提供了一些预定义好的模型：
LinearClassifier：线性分类模型
LinearRegressor: 线性回归模型
DNNClassifier: 神经网络分类模型
DNNRegressor: 神经网络回归模型
如官网给出的编程堆栈，并强烈推荐使用Datasets和Estimators进行TensorFlow编程，Datasets就是样本数据的API集合，Estimators就是预定义模型和自定义模型的接口
实际上，官网给出的第一个demo,在代码中直接使用了DNNClassifier，即神经网络分类模型
官网第一个demo是对一组数据样本进行分析，看到的只是数据结果，感官上，还体会不到什么震撼，那么接下来，好戏登场
记得前不久有款计算颜值的app吧，把大脸对着手机相机扫一下，立马算出你的颜值指数，本人没用过，真害怕指数过高爆表炸手机啥的，但是觉得应该很有趣，现在想下，十有八九就是用TensorFlow实现的
TensorFlow's Object Detector API 登场！！！
这是使用TensorFlow's Object Detector API识别浣熊的效果
这是TensorFlow's Object Detector API识别双手，并且靠双手遥控游戏的效果
这个游戏可以从github上下载源码运行
https://github.com/victordibia/skyfall
真的可以运行并且识别双手哦，本人亲自体验的，只要你的电脑上连接摄像头就可以了
关于TensorFlow's Object Detector API的使用，在下一篇，将以识别浣熊为例，详细介绍，因为本人也在不断学习中.......
使用TensorFlow的公司，能看到小米，据说京东也在用
机器学习理论的教程，TensorFlow官网也就是Google推荐
https://developers.google.com/machine-learning/crash-course/
真的很有亲和感，里面的视频教程都翻译称中文了，而且是人工智能语音朗读的，效果很不错
想学机器学习，人工智能，门槛也许没有你想象得那么高
敬请关注AI一大数据，我们的宗旨是
以最简捷的方式，让您了解最前沿的技术
