DL框架之Tensorflow：深度学习框架Tensorflow的简介、安装、使用方法之详细攻略

一、Tensorflow简介
Tensorflow是一个开源软件库，主要用于各种感知和语言理解任务的机器学习。简单来说，Tensorflow是一个用于机器学习的开源框架，可以用来快速地构建神经网络，同时快捷地进行网络的训练、评估与保存。Tensorflow主要用于机器学习和深度神经网络方面的研究，可以用来快速开发一些机器学习算法，特别是深度学习算法。
二、Tensorflow的安装
对于Tensorflow的安装，可以使用pip命令进行安装。对于Python3.4版本，可以使用以下命令进行安装：
sudo apt-get install python3-pip python3-dev python-virtualenv virtualenv —system-site-packages ~/tf_wscd ~/tf_wssource bin/activate
接下来执行：
pip install —upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.2.1-cp34-cp34m-linux_x86_64.whl
执行完毕就完成了Tensorflow的安装。
三、Tensorflow的使用方法

1. 导入模块和检查版本号
   首先需要导入Tensorflow模块，并打印出Tensorflow的版本号，以验证安装是否成功。可以使用以下代码：
   import tensorflow as tf
   print(‘输出tensorflow的版本：’, tf.version)
2. 创建占位符和 feed_dict
   在Tensorflow中，占位符并没有初始值，它只会分配必要的内存。在会话中，占位符可以使用 feed_dict 馈送数据。 feed_dict 是一个字典，在字典中需要给出每一个用到的占位符的取值。例如：
   y1 = tf.placeholder(tf.float32)
   y2 = tf.constant(3.0)
   y3 = y1 * y2 + 2
3. 执行计算图和获取结果
   在Tensorflow中，计算图是用来描述计算逻辑的图结构。通过执行计算图，可以得到计算结果。例如：
   with tf.Session() as sess:
   result = sess.run(y3, feed_dict={y1: 5})print(‘计算结果：’, result)
   以上代码将计算 y1*y2+2 的结果，并将结果输出到控制台。其中 y1 的取值为5，y2 的取值为3.0。
   四、实际应用案例
4. 自动驾驶：利用Tensorflow可以不断改进自动驾驶系统当中的深度模型，包括对路况场景的分割、雷达信号的处理等等。未来自动驾驶前景非常大。
5. 安卓手机自拍功能：安卓手机增加的自拍功能，这个自拍功能就是通过应用深度学习训练出来的视觉模型，可以非常准确地分离前景像素和后景像素，对前景像素和后景像素分别处理，这样就可以实现背景虚化。传统上手机厂商需要增加第二个摄像头，这就会大大增加手机的制造成本。
6. 智能音箱：深度学习算法把语音识别和语音生成的技术门槛大大地降低了，可以快速开发出适合特定应用场景的语音应用。
7. 智能医疗：使用Tensorflow可以很方便地重用现在已有的图像识别模型或者是自然语言处理的模型，针对特定的应用领域和数据，重新训练调整一下学习模型，就可以在检测视网膜病变任务上面获得超过几乎达到95%的准确率，并已经超过了普通眼科专家91%的水平。