1、TensorFlow的演進(jìn)歷史

2011年Google開發(fā)了它的第一代分布式機(jī)器學(xué)習(xí)系統(tǒng)DistBelief，著名計(jì)算機(jī)科學(xué)家杰夫·迪恩（Jeff Dean）和深度學(xué)習(xí)專家吳恩達(dá)（Andrew ）都是這個(gè)項(xiàng)目成員。升級(jí)版的DistBelief就是大家熟悉的TenorsFlow，2015年11月發(fā)布了0.1版本，并正式開源；2017年2月發(fā)布1.0版本，是當(dāng)時(shí)應(yīng)用最普遍的深度學(xué)習(xí)框架；2019年春發(fā)布2.0版本，在易用性上做了很大提升；現(xiàn)在TensorFlow官網(wǎng)已經(jīng)Release了V 2.11。TensorFlow有幾大優(yōu)勢(shì)。

首先，它出身好。

出身在谷歌這個(gè)大戶人家，基礎(chǔ)是Google自用的分布式機(jī)器學(xué)習(xí)系統(tǒng)DistBelief，而作為DistBelief的繼承者，TensorFlow更快、更靈活、具有更強(qiáng)的適用性，也被譽(yù)為是谷歌“AI First”轉(zhuǎn)型重要支點(diǎn)之一。

開發(fā)團(tuán)隊(duì)能力卓越。

Google的技術(shù)能力不用再說(shuō)了，這個(gè)項(xiàng)目中的成員吳恩達(dá)（Andrew ）和杰夫·迪恩（Jeff Dean）都是AI領(lǐng)域響當(dāng)當(dāng)?shù)拿恕＿@里重點(diǎn)介紹一下Jeff Dean，他在硅谷就是傳奇，美國(guó)工程院院士，2021年IEEE馮諾依曼獎(jiǎng)獲得者（獲獎(jiǎng)理由是“以表彰對(duì)大規(guī)模分布式計(jì)算機(jī)系統(tǒng)和人工智能系統(tǒng)科學(xué)與工程的貢獻(xiàn)”）。Jeff在1999年加入谷歌，是谷歌的第20號(hào)員工，谷歌大腦、開源框架TensorFlow、谷歌廣告系統(tǒng)、谷歌搜索系統(tǒng)等關(guān)鍵技術(shù)的重要?jiǎng)?chuàng)始人之一，現(xiàn)在是谷歌AI掌門人。

Jeff Dean實(shí)在太過強(qiáng)大，傳說(shuō)硅谷的工程師們編出了不少關(guān)于他有多牛的段子。比如，“All pointers point to Jeff Dean”（所有指針都是指向Jeff的），“Compilers don't warn Jeff Dean. Jeff Dean warns compilers.”（編譯器從來(lái)不給Jeff編譯警告，而是Jeff警告編譯器），“Jeff Dean's keyboard has two keys: 1 and 0.”（Jeff的鍵盤只有兩個(gè)鍵：1和0）。

產(chǎn)品不斷迭代，持續(xù)進(jìn)步。

Tensorflow這個(gè)平臺(tái)有許多更新和版本，一直在不斷滿足開發(fā)者不斷增長(zhǎng)的需求，列舉這些年來(lái)的一些主要發(fā)展

推出TPU專用芯片，夯實(shí)硬件底座：Google在2015年開始使用張量處理單元TPU，2017年發(fā)布第二代，在2018年發(fā)布第三代，2021年發(fā)布第四代。TPU作為專用人工智能加速處理器就是使用TensorFlow開發(fā)，2018年，Google宣布TPU它的云平臺(tái)上進(jìn)行beta測(cè)試。

應(yīng)用范圍擴(kuò)展，支持移動(dòng)和物聯(lián)網(wǎng)設(shè)備：2017年發(fā)布TensorFlow Lite用于移動(dòng)和物聯(lián)設(shè)備上部署ML模型，在圖像分類、物體分類等方面都有應(yīng)用。

集成的模塊和工具不斷改進(jìn)，提升易用性：如推出TensorFlow Extended （TFX），用于部署生產(chǎn)ML管道的端到端平臺(tái)，幫助用戶完成從研究到生產(chǎn)的階段的轉(zhuǎn)換。又如TensorFlow.js，一個(gè)用JavaScript開發(fā)模型的ML庫(kù)，可以直接在瀏覽器或Node.js中使用ML，開發(fā)人員可以使用靈活的API直接在JavaScript中構(gòu)建和訓(xùn)練模型。

大版本持續(xù)升級(jí)，提升易用性："TensorFlow 2.0 is coming"就是直接面對(duì)越來(lái)越受歡迎的PyTorch的激烈競(jìng)爭(zhēng)，TensorFlow于2019年9月發(fā)布了TensorFlow 2.0版本，針對(duì)1.0版本調(diào)試?yán)щy、API混亂、入門困難、代碼晦澀等問題進(jìn)行了重大升級(jí)，2.0版本擁有簡(jiǎn)單直觀的API和更好的資源文檔，這個(gè)版本中TensorFlow基于語(yǔ)義版本將平臺(tái)模塊化。同時(shí)，官方提供了TensorFlow 1.x升級(jí)到2.0的遷移指南，還有一個(gè)自動(dòng)轉(zhuǎn)換的腳本。

2、TensorFlow 2.0.0版本中最重要的變化點(diǎn)之一 -Keras

在TensorFlow官網(wǎng)上2.0.0版本Release中Highlights了Keras，說(shuō)明如下，“TF2.0 delivers Keras as the central high level API used to build and train models. Keras provides several model-building APIs such as Sequential, Functional, and Subclassing along with eager execution, for immediate iteration and intuitive debugging”。如前文討論TensorFlow2.0版本升級(jí)的核心目標(biāo)是使TensorFlow更易于使用，更易于學(xué)習(xí)，同時(shí)也是應(yīng)對(duì)Pytroch等“好用”的開源框架的競(jìng)爭(zhēng)，而Keras就是2.0版本最重要的改進(jìn)點(diǎn)。

Keras的主要開發(fā)者是Google的工程師Fran?ois Chollet（也是一位大牛），這是一個(gè)由Python編寫的開源人工神經(jīng)網(wǎng)絡(luò)庫(kù)，可作為TensorFlow、Microsoft CNTK、Amazon MxNet等的高階應(yīng)用程序接口，進(jìn)行深度學(xué)習(xí)模型的設(shè)計(jì)、調(diào)試、應(yīng)用和可視化。Keras在代碼結(jié)構(gòu)上由面向?qū)ο蠓椒ň帉懀耆K化并具有可擴(kuò)展性，其運(yùn)行機(jī)制和說(shuō)明文檔有將用戶體驗(yàn)和使用難度納入考慮，努力簡(jiǎn)化復(fù)雜算法的實(shí)現(xiàn)難度 。Keras支持現(xiàn)今人工智能領(lǐng)域的主流算法，包括CNN和RNN等。硬件和開發(fā)環(huán)境方面，Keras支持多操作系統(tǒng)、支持多GPU并行計(jì)算，可根據(jù)后臺(tái)設(shè)置轉(zhuǎn)化為Tensorflow、CNTK等系統(tǒng)下的組件 。

在2.0版本Keras這中優(yōu)美的API與TensorFlow緊密集成，官方表示，對(duì)開發(fā)者來(lái)說(shuō)TensorFlow 2.0用起來(lái)跟Python差不多。

3、TensorFlow里包含了哪些內(nèi)容？

（1）總覽：進(jìn)入TenorFlow的官網(wǎng)（https://www.tensorflow.org）

我們可以理解為 ①Install環(huán)境+ ② TensorFlows生態(tài)內(nèi)容 +③ GitHub庫(kù)

（2）如今，TensorFlow 2.x是一個(gè)豐富的學(xué)習(xí)生態(tài)系統(tǒng)，除了核心學(xué)習(xí)引擎外，這里還有大量可免費(fèi)使用的工具，我們展開盤點(diǎn)一下它包含哪些內(nèi)容

TensorFlow.js：一個(gè)API的集合，可直接在瀏覽器或Node.js中訓(xùn)練和部署機(jī)器學(xué)習(xí)模型。

TensorFlow Datasets：TensorFlow中包含的官方數(shù)據(jù)集。此外，還有可通過Google Research和Google支持的數(shù)據(jù)集搜索免費(fèi)獲得的數(shù)據(jù)集。

TensorFlow Hub：包含經(jīng)過訓(xùn)練的機(jī)器學(xué)習(xí)模型的代碼庫(kù)，這些模型（如Bert，F(xiàn)ast R-CNN）稍作調(diào)整便可以部署到任何設(shè)備上。

TensorFlow Extended：也被稱作TFX，完整的端到端平臺(tái)，含轉(zhuǎn)換工具（Transform）、分析工具（Model Analysis）和服務(wù)系統(tǒng)（TensorFlow Serving）。

TensorFlow Lite：用于嵌入式和移動(dòng)設(shè)備的TensorFlow的輕量級(jí)版本，支持應(yīng)用在Android和iOS上。

TensorBoard：用于檢查、調(diào)試和優(yōu)化模型及指標(biāo)的可視化環(huán)境。

TensorBoard Federated：在去中心化數(shù)據(jù)上使用機(jī)器學(xué)習(xí)和其他計(jì)算工作的框架。

TensorBoard Probability：將概率模型與深度學(xué)習(xí)相結(jié)合的框架。

TensorBoard Playground：用于可視化、調(diào)試和檢查神經(jīng)網(wǎng)絡(luò)的UI，常用于教育教學(xué)。

Accelerated Linear Algebra：線性代數(shù)的特定領(lǐng)域編譯器，可優(yōu)化TensorFlow計(jì)算，也被稱作XLA。

MLPerf：是ML基準(zhǔn)套件，用于測(cè)量ML軟件框架、ML硬件加速器和ML云平臺(tái)的性能。

4、TensorFlow安裝 （1）基礎(chǔ)環(huán)境

Ubuntu 16.04 或更高版本

Windows 7 或更高版本（含 C++ 可再發(fā)行軟件包）

macOS 10.12.6 (Sierra) 或更高版本（不支持 GPU）

（2）安裝Python：安裝3.6及以上的版本（官網(wǎng)要求），Windows系統(tǒng)可以在Python Releases for Windows | Python.org下載后安裝。

（3）下載并安裝TensorFlow（以windows環(huán)境舉例）

安裝并確認(rèn)pip版本：

【1】右鍵點(diǎn)擊桌面左下角的開始圖標(biāo)，然后選擇運(yùn)行，在彈出的窗口中輸入cmd，然后點(diǎn)擊確定；

【2】安裝高于20.3的pip版本（參考以下操作）

C:ProgramFilesPython310>pipinstall--upgradepip//requriesthelatest pip
C:UsersKlinsmann>python-mpiplist//checkpipversion
Package                      Version
-------------------------------------
pip                          22.3.1

安裝TensorFlow：

【3】使用pip installtensorflow在系統(tǒng)下安裝并校驗(yàn)版本

C:Program FilesPython310>pip install tensorflow
C:Program FilesPython310>python -m pip list
Package                      Version
-------------------------------------
tensorflow                   2.11.0

導(dǎo)入并校驗(yàn)是否安裝成功：

【4】輸入python，按下回車鍵進(jìn)入python解釋器，輸入import pandas導(dǎo)入這個(gè)庫(kù)，報(bào)錯(cuò)的話就說(shuō)明安裝成功了

C:UsersKlinsmann>python
>>> import tensorflow

importtensorflowastf
print(tf.reduce_sum(tf.random.normal([1000, 1000])))

系統(tǒng)返回了“tf.Tensor(-1061.2717, shape=(), dtype=float32)”，證明我們安裝成功了，一個(gè)Tensor生成了。

審核編輯：劉清