tensorflowc編程

A. tensorflow是什麼語言

TensorFlow是編程語言python，C++，CUDA。

TensorFlow™是一個基於數據流編程（dataflow programming）的符號數學系統，被廣泛應用於各類機器學習（machine learning）演算法的編程實現，其前身是谷歌的神經網路演算法庫DistBelief。

Tensorflow擁有多層級結構，可部署於各類伺服器、PC終端和網頁並支持GPU和TPU高性能數值計算，被廣泛應用於谷歌內部的產品開發和各領域的科學研究。

TensorFlow由谷歌人工智慧團隊谷歌大腦（Google Brain）開發和維護，擁有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在內的多個項目以及各類應用程序介面（Application Programming Interface, API）。

自2015年11月9日起，TensorFlow依據阿帕奇授權協議（Apache 2.0 open source license）開放源代碼。

(1)tensorflowc編程擴展閱讀：

TensorFlow的核心組件：

分布式TensorFlow的核心組件（core runtime）包括：分發中心（distributed master）、執行器（dataflow executor/worker service）、內核應用（kernel implementation）和最底端的設備層（device layer）/網路層（networking layer）。

分發中心從輸入的數據流圖中剪取子圖（subgraph），將其劃分為操作片段並啟動執行器。分發中心處理數據流圖時會進行預設定的操作優化，包括公共子表達式消去（common subexpression elimination）、常量折疊（constant folding）等。

執行器負責圖操作（graph operation）在進程和設備中的運行、收發其它執行器的結果。分布式TensorFlow擁有參數器（parameter server）以匯總和更新其它執行器返回的模型參數。執行器在調度本地設備時會選擇進行並行計算和GPU加速。

TensorFlow的安裝：

語言與系統支持

1、Python

TensorFlow提供Python語言下的四個不同版本：CPU版本（tensorflow）、包含GPU加速的版本（tensorflow-gpu），以及它們的每日編譯版本（tf-nightly、tf-nightly-gpu）。

TensorFlow的Python版本支持Ubuntu 16.04、Windows 7、macOS 10.12.6 Sierra、Raspbian 9.0及對應的更高版本，其中macOS版不包含GPU加速。安裝Python版TensorFlow可以使用模塊管理工具pip/pip3或anaconda並在終端直接運行。

2、配置GPU

TensorFlow支持在Linux和Window系統下使用統一計算架構（Compute Unified Device Architecture, CUDA）高於3.5的NVIDIA GPU。

配置GPU時要求系統有NVIDIA GPU驅動384.x及以上版本、CUDA Toolkit和CUPTI（CUDA Profiling Tools Interface）9.0版本、cuDNN SDK7.2以上版本。可選配置包括NCCL 2.2用於多GPU支持、TensorRT 4.0用於TensorFlow模型優化。

B. 在大學想要學習編程，可以通過哪些途徑進行學習

一、先知道編程能幫我們干什麼

二、再明確自己要拿編程做什麼

編程能做什麼，要學到什麼程度，其實我在上文說的已經比較明白了。

自學編程大概兩個階段：

打基礎，至少學懂一門語言，推薦拿C/C++入門（為了學到一些指針與面向對象的知識），拿Python入門也可，但你會發現面向對象在Python教學中可能不被強調，因為Python自帶的工具已經很強大；

不推薦拿java入門，因為Java實在是開發者用的語言，其魅力在於介面、程序設計，想拿Java入門，不如拿C/C++入門；

編程之理，一通百通。第二個階段，就是多多實踐、持續學習，在自己的領域探索下去：

如果你要搞數據科學、打數據比賽，就去多用熟悉python中的pandas、sklearn庫等等；

如果想做線性求解，先找幾個簡單的java+線性求解器例子動手復現下來，讀懂每行代碼的作用，在過程中積累；