Tensorflow 全網最全學習資料匯總之Tensorflow 的入門與安裝【2】

自2015年11月發布以來，谷歌旗下的機器學習開源框架TensorFlow已經在圖像識別，大數據分析，語音識別和語義理解，機器翻譯等各個領域得到了廣泛應用，同時也得到了業內人士的普遍認可，成為了目前最受關注和使用率最高的開源框架之一。

本文將重點整理TensorFlow框架的入門和安裝教程。更多關于TensorFlow的深入介紹、應用項目以及各機器學習開源框架之間的對比等內容，請見雷鋒網的系列文章。

下面是本文整理的資料內容：

在安裝之前，這里先列出一些對TensorFlow給出大略介紹的文章，其中包括一些重要的概念解釋，TensorFlow的具體含義和優點，以及TensorFlow的基本工作原理等。

1. 《TensorFlow極速入門》

鏈接：http://m.zaocj.com/news/201702/vJpJqREn7EyoAd09.html

本文介紹了 graph 與 session 等基本組件，解釋了 rank 和 shape 等基礎數據結構概念，講解了一些 variable 需要注意的地方并介紹了 placeholders 與 feed_dict 。最終以一個手寫數字識別的實例將這些點串起來進行了具體說明。

2. 《TensorFlow學習筆記1：入門》

鏈接：http://www.jeyzhang.com/tensorflow-learning-notes.html

本文與上一篇的行文思路基本一致，首先概括了TensorFlow的特性，然后介紹了graph、session、variable 等基本概念的含義，以具體代碼的形式針對每個概念給出了進一步的解釋。最后通過手寫數字識別的實例將這些點串起來進行了具體說明。

需要指出的是，兩篇文章覆蓋的基礎概念不盡相同，并且舉例用的代碼也不一樣。

3. 《TensorFlow入門》

鏈接：http://www.jianshu.com/p/6766fbcd43b9#

與上面兩篇不同，本文簡單介紹了 TensorFlow 的含義、優點、安裝和基本工作原理之后，直接通過代碼示例的方式講解了 TensorFlow 的簡單用法，包括生成三維數據，然后用一個平面擬合它，以及通過 variable 實現一個簡單的計數器等。

值得一提的是，以上第二和第三篇分別來自兩個系列文章，這兩個系列也都是關于 TensorFlow 入門和實踐的優秀博客。第二篇的后續文章講述了卷積神經網絡（CNN）模型構建，以及利用 TensorFlow 生成詞向量 (Word Embedding) 的具體過程。第三篇則實際上是基于斯坦福大學基于深度學習的自然語言處理課程的學習筆記，該系列其他的文章還講述了循環神經網絡（RNN）和 word2vec 模型等更深入的知識，感興趣的讀者可以從文章的作者頁找到更多文章。

上述文章都更傾向于 TensorFlow 的簡單介紹了基礎用法，但對于TensorFlow具體安裝過程的講述則不夠細致。因此這里專門針對TensorFlow的安裝過程推薦一篇教程。

4. 《真正從零開始，TensorFlow詳細安裝入門圖文教程！》

鏈接：http://m.zaocj.com/news/201606/ORlQ7uK3TIW8xVGF.html

上文來自雷鋒網小編的親身實踐，真正做到了從零開始，詳細介紹了在Linux環境下如何通過pip命令安裝TensorFlow框架的完整流程，以及面對一些常見問題的處理辦法。值得一提的是，本文在講解完框架安裝之后，還針對Komodo開發環境進行了簡單介紹。

經過了以上來自民間的實踐教程之后，相信各位讀者對TensorFlow的大致情況和具體安裝方法已經有了自己的理解。下面對于那些想要更全面和深入地了解TensorFlow的讀者，我們推薦幾個官方的教程。

5. 谷歌官方入門教程

鏈接：https://www.tensorflow.org/get_started/

6. 谷歌教程翻譯

https://github.com/jikexueyuanwiki/tensorflow-zh

這里谷歌給出的入門教程內容十分豐富，除了最基本的安裝、名詞解釋和代碼示例之外，還給出了 API 接口的詳細解釋和說明。但考慮到內容全是英文，因此雷鋒網在這里給出了國內志愿者對谷歌內容的中文翻譯版，可以為那些英文不好的讀者提供參考。

7. TensorFlow中文社區

http://www.tensorfly.cn/

最后我們在這里推薦一個 TensorFlow 的中文社區，該網站幾乎可以認為是 TensorFlow 的中文官網，除了上述谷歌官方教程的中文翻譯之外，該網站還包括進階指南、API中文手冊、精華文章和TF社區等諸多板塊。