锐英源精品开源心得，禁止全文或局部转载，禁止任何形式的非法使用，侵权必究。

TensorFlow、TensorFlow入门、TensorFlow文档

TensorFlow比较早的机器学习平台，是前期做深度学习和人工智能主要的平台，谷歌发布的平台，Tensor直意是张量，代表机器学习和深度学习的数据结构，Flow是指流程，合并理解就是流程化管理机器学习和深度学习平台。

谷歌推出了Colab，支持用GPU训练数据学习，在上面运行TensorFlow代码训练数据会快速完成，这也表明TensorFlow老牌特质。 谷歌Colab上也可以远程直接运行TensorFlow代码，不用自己辛苦再用本机配置环境，特别是学习代码在Colab上运行更轻松。个人也可以配置一个笔记本环境在本地运行。

初步印象里，TensorFlow以面向过程为主，模型添加层是通过几个函数调用完成，不像PyTorch有nn.Module派生能力，可能TensorFlow新版本会好些吧。

TensorFlow文档是谷歌自己网站上自己组织的，内容更适合国内朋友，词汇更好理解，文档布局应该更全面，网址是：https://tensorflow.google.cn/。

PyTorch是由开源爱好者完成了文档翻译，虽然不影响使用，但是在力度上不如谷歌了，网址https://pytorch.apachecn.org/。

这2个网址里的文档都很难，TensorFlow可能会相对好些，PyTorch里是开头讲了特点，但特点部分前没讲基础，很多初学者会觉得很难，建议坚持看完一遍，再抄代码理解细节，抄的过程不会找我们锐英源。TensorFlow的文档和代码练习做好，TensorFlow入门问题不大。

机器学习和深度学习的主要数据结构是卷积网络，比如：

在上面的结构中，您可以看到每个 Conv2D 和 MaxPooling2D 层的输出都是一个三维的张量 (Tensor)，其形状描述了 (height, width, channels)。越深的层中，宽度和高度都会收缩。每个 Conv2D 层输出的通道数量 (channels) 取决于声明层时的第一个参数（如：上面代码中的 32 或 64）。这样，由于宽度和高度的收缩，您便可以（从运算的角度）增加每个 Conv2D 层输出的通道数量 (channels)。

有数组基础，对于ISO网络七层模型的数据处理机制了解，就好理解卷积网络。如上图，和七层模型是不是很类似，类似就理解了积，卷的意思就是重复的意思。