[Python人工智能] 二.TensorFlow环境搭建、学习路线及入门案例
文章目录：
一.TensorFlow简介
二.TF安装流程
三.TF学习路线
四.基础案例
五.总结
https://github.com/eastmountyxz/
AI-for-TensorFlowhttps://github.com/eastmountyxz/
AI-for-Keras
学Python近八年，认识了很多大佬和朋友，感恩。由于在外求学且需要养娃，故在CSDN设置成了最低价收费专栏，觉得不错的可以购买抬爱；但作者的本意是帮助更多初学者入门，因此在github开源了所有代码，也在公众号同步更新。深知自己很菜，得拼命努力前行，编程也没有什么捷径，干就对了。希望未来能更透彻学习和撰写文章，也能在读博几年里学会真正的独立科研。同时非常感谢参考文献中的大佬们的文章和分享，共勉。
- https://blog.csdn.net/eastmount
一.TensorFlow简介
二.TF安装过程
pip 安装
virtualenv安装
docker安装
从安装源安装
Linux \ MacOS \ Windows
CPU版 \ GPU版（GPU版本比CPU版本快很多倍）
测试版
更新TensorFlow
Windows10
CPU
TensorFlow2.0
Anaconda
Python3.6
//检查Anaconda是否成功安装
conda --version
//检测目前安装了哪些环境
conda info --envs
conda search --full-name python
tensorflow2.0GPU版本的环境配置与安装教程 normalization
[Tensorflow2.0] Tensorflow2.0的安装教程 - 牛andmore牛
conda create -n tf2 python=3.6
activate tf2
pip install tensorflow==2.0.0-alpha0
conda search tensorflow #搜CPU版
conda search tensorflow-gpu #搜GPU版
conda install tensorflow=2.0.0 #安装CPU版
conda install tensorflow-gpu=2.0.0 #安装GPU版
import tensorflow as tf
print(tf.__version__)
三.TF学习路线
2.环境配置
4.TensorFlow
核心知识点如下，推荐读者学习，作者也分享。
TensorFlow基础知识
Tensor
Session
Variable
Placeholder
Dropout
Tensorboard
CNN
RNN(GRU\LSTM)
Autoencoder
GNN
神经网络参数保存
神经网络性能评价
入门课程推荐一：CS231n（斯坦福大学 李飞飞教授）
入门课程推荐二：CS224n（斯坦福大学 Christopher Manning教授）
入门课程推荐三：《Deep Learning》（斯坦福大学 吴恩达大佬）
入门课程推荐四：CS224w 图神经网络（斯坦福大学 Jurij Leskovec大佬）
入门课程推荐五：李宏毅《机器学习》（B站视频）
四.基础入门
# -*- coding: utf-8 -*-
"""
Spyder Editor
This is a temporary script file.
By：Eastmount CSDN YXZ 2019-11-28
"""
import tensorflow as tf
#查询TensorFlow版本
print(tf.__version__)
#定义a和b为两个常量
a = tf.constant([1, 2], name="a")
b = tf.constant([2, 3], name="b")
print(a)
print(b)
#随机生成一个正态分布
output = tf.random.normal([5,3])
print(output)
#创建2个矩阵并进行相乘
matrix1 = tf.constant([[3,3]])
matrix2 = tf.constant([[1, 2],[3, 4]])
product = tf.matmul(matrix1,matrix2)
print(matrix1)
print(matrix2)
print(product)
print(product.numpy())
2.0.0-alpha0
tf.Tensor([1 2], shape=(2,), dtype=int32)
tf.Tensor([2 3], shape=(2,), dtype=int32)
tf.Tensor(
[[-2.1826832 -0.32986134 -1.6238695 ]
[-0.18214056 0.25923613 -0.12570491]
[ 1.0550841 -0.6655764 -1.5837296 ]
[-0.10004017 0.0162886 0.9483853 ]
[ 0.4709251 -0.18713968 0.8347026 ]], shape=(5, 3), dtype=float32)
tf.Tensor([[3 3]], shape=(1, 2), dtype=int32)
tf.Tensor(
[[1 2]
[3 4]], shape=(2, 2), dtype=int32)
tf.Tensor([[12 18]], shape=(1, 2), dtype=int32)
[[12 18]]
五.总结
最后希望基础性文章对您有所帮助，作者也是这个领域的菜鸟一枚，希望与您共同进步，后续会继续深入分享Python人工智能系列，如果喜欢点个赞评论，共勉~
虽然非常忙，但每当看到博友的提问或交流都不忍拒绝，其实自己真的快忙疯了。看到这些大山走出去的学生，大一新生，求职研究生或遇到问题的朋友，都想帮他们一把，因为我们也是在很多人的帮助下成长起来的。而看到很多私活、广告、合作、出书之类的私信，我都会拒绝或不回时光飞逝，还有太多知识要去学习，太多陪伴要去争取，太多文字要去记录，且行且珍惜，最爱的人，晚安。
深知自己很菜，得努力前行。这半年来，原创博客越来越少，希望自己能在博士路上不断前行，多读论文，多写论文，多学新知识。加油！也祝所有在读博士都学有所成，勿忘来时的路，砥砺前行。最后还是那句话，人生路上，好好享受陪伴家人的日子，爱你们~
天行健，君子以自强不息。
地势坤，君子以厚德载物。
真诚地感谢您关注“娜璋之家”公众号，也希望我的文章能陪伴你成长，希望在技术路上不断前行。文章如果对你有帮助、有感悟，就是对我最好的回报，且看且珍惜！再次感谢您的关注，也请帮忙宣传下“娜璋之家”，初来乍到，还请多指教。
(By: Eastmount 2021-06-18 夜于武汉)
参考文献如下，感谢这些大佬！
神经网络和机器学习基础入门分享 - Eastmount
Stanford机器学习—第五讲. 神经网络的学习 Neural Networks learning
吴祖增前辈：神经网络入门(连载之一)
吴祖增前辈：神经网络入门(连载之二)
斯坦福机器学习视频NG教授：
https://class.coursera.org/ml/class/index
网易云莫烦老师视频（强推）
https://study.163.com/course/courseLearn.htm?
courseId=1003209007https://zhuanlan.zhihu.com/p/148312957 - DrugAI好友