开发者学堂课程【深度学习框架 TensorFlow 入门：深度学习框架】学习笔记，与课程紧密联系，让用户快速学习知识。
课程地址：https://developer.aliyun.com/learning/course/773/detail/13536
深度学习框架
目录：
一、常见深度学习框架对比
二、TensorFlow 的特点
三、TensorFlow 的安装
一、常见深度学习框架对比
最常用的框架当数 TensorFlow 和 Pytorch,而 Caffe 和 Caffe2 次之。
PyTorch 和 Torch 更适用于学术研究
(research) ; TensorFlow, Caffe,Caffe2 更适用于工业界的生产环境部署(industrial production)
Caffe 适用于处理静态图像(static graph) ; Torch 和 PyTorch 更适用于动态图像(dynamic graph) ; TensorFlow 在两种情况下都很实用。
Tensorflow 和 Caffe2 可在移动端使用。
二、TensorFlow 的特点
高度灵活（Deep Flexibility）
它不仅可以用来做神经网络算法研究，也可以用来做普通的机器学习算法，甚至是只要把计算表示成数据流图，都可以用 TensorFlow
语言多样（Lanquage Options）
TensorFlow 使用 C++实现的，然后用 Python 封装。谷歌号召社区通过 SWIG 开发更多的语言接口来支持 TensorFlow。
设备支持
TensorFlow 可以运行在各种硬件上，同时根据计算的需要，合理将运算分配到相应的设备，比如卷积就分配到 GPU上，也允许在 CPU 和 GPU 上的计算分布，甚至支持使用 gRPC 进行水平扩展。
Tensorboard 可视化
TensorBoard 是 TensorFlow 的一组 Web 应 用，用来监控 TensorFlow 运行过程，或可视化 Computation Graph。TensorBoard 目前支持5种可视化：标量（scalars）、图片（images）、音频（audio）、直方图（histograms）和计算图（Computation Graph）。TensorBoard的Events Dashboard 可以用来持续地监控运行时的关键指标，比如loss、学习速率（learning rate）或是验证集上的准确率（accuracy）
三、TensorFlow的安装
1 CPU版本
版本安装较慢，指定镜像源，请在带有 numpy 等库的虚拟环境中安装
ubuntu 安装
pip install tensorflow==1.8-I https://mirrors.aliyun.com/pypi/simple
MacOS 安装
pip install tensorflow==1.88-I https://mirrors.aliyun.com/pypi/simple
2 GPU版本
参考官网
在 Ubuntu 上安装 TensorFlow·
在 macOS 上安装 TensorFlow
注：
CPU 与 GPU 的对比
CPU：核芯的数量更少
但是每一个核芯的速度更快，性能更强
更适用于处理连续性（sequential）任务
GPU：核芯的数量更多；
但是每一个核芯的处理速度较慢
更适用于并行（parallel）任务
