在win10下配置tensorflow-gpu曾经花费我零零碎碎一个周的时间，由不可控原因重做系统重新配置时，二笔博主忘记了当时怎么操作的，又浪费了我还几天时间...

AlphaGo背后神秘的推动力就是TensorFlow——Google于2015年11月开源的机器学习及深度学习框架。

我们在训练模型时，要将 tensorflow 训练好的模型参数保存起来，以便以后进行验证或测试。此时就涉及到将模型持久化，和模型的再次读取。tensorflow中提供了这些类。

Tensorflow拥有多层级结构，可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究 众所周知...

TensorFlow的命名是根据它的原理来的，Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算...

TensorFlow™ 是一个开放源代码软件库，用于进行高性能数值计算。

一．概述 TensorFlow 是一个使用数据流图 (Dataflow Graph) 表达数值计算的开源软件库。

线程和队列 在使用TensorFlow进行异步计算时，队列是一种强大的机制。 为了感受一下队列，让我们来看一个简单的例子。

计算图纸 Tensorflow 首先要定义神经网络的结构, 然后再把数据放入结构当中去运算和 training.

对于许多开发者来说，TensorFlow是他们接触的第一个机器学习框架。TensorFlow框架尽管意义非凡，引起极大关注和神经网络学习风潮，但对一般开发者用户太不友好。

三层简单神经网络 import tensorflow as tf # 1.1 定义变量 w1= tf.Variable(tf.random_normal([2, 3], stddev=1, seed=1

在Tensorflow中，为解决设定学习率(learning rate)问题，提供了指数衰减法来解决。 通过tf.train.exponential_decay函数实现指数衰减学习率...

2）安装tensorflow。 3）安装keras。

大家期待的labview 调用 tensorflow 实现深度学习课程终于快要上线了，请有兴趣的学员，关注本公众号，课程即将推出...

TensorFlow是 Google 为数字计算和神经网络发布的新框架。在这篇博文中，我们将演示如何使用 TensorFlow 和 Spark 一起来训练和应用深度学习模型。

TensorFlow XLA优化原理与示例XLA概述 XLA（加速线性代数）是用于优化TensorFlow计算的线性代数的域特定编译器。

一、Tensor介绍 在介绍之前，首先要记住一个结论：TensorFlow使用Tensor来表示数据 接着我们来看看什么是Tensor，在官网的文档中，Tensor被翻译成”张量“。

1、前言 很多人在学习深度学习时，都会对于学习哪个深度学习的框架而烦恼，到底是Tensorflow 还是 pytourch？

（一）Tensorflow模型介绍 通常我们训练好中后都会得到这样几个文件 1).meta 文件 是一个协议缓冲区，可以保存完整的 Tensorflow图 即所有 变量，操作，集合 等。

但是Tensorflow并非如此。因其具有符号性，Tensorflow可以隐藏所有这些复杂性，可轻松地将程序扩展到多个CPU和GPU。 例如在CPU上对两个向量相加示例。 同样也可以在GPU上完成。