《白话深度学习与TensorFlow》——3.1　简介

本节书摘来自华章计算机《白话深度学习与TensorFlow》一书中的第3章，第3.1节，作者：高扬，卫峥著， 更多章节内容可以访问云栖社区“华章计算机”公众号查看。
3.1 简介

TensorFlow是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU）、服务器、移动设备等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。
下面这张图就是数据流图，数据流图用节点和线的有向图来描述数学计算。“节点” 一般用来表示施加的数学操作，但也可以表示数据输入（feed in）的起点/输出（push out）的终点，或者读取/写入持久变量（persistent variable）的终点。线表示节点之间的输入/输出关系。这些数据“线”可以运输“size可动态调整”的多维数据数组，即张量。张量从图中流过的直观图像是这个工具取名为“TensorFlow”的原因。一旦输入端的所有张量准备好，节点将被分配到各种计算设备完成异步并行运算。

深度学习基础——PyTorch简介和Tensor张量详解 PyTorch具有悠久的历史，它的前身 Torch 是用Lua写的机器学习框架，后来受到 Facebook、NVIDIA (著名显卡生产厂商)、Uber 等大公司以及斯坦福大学、卡内基梅隆大学等著名高校的支持。下面，就让我们走进PyTorch的世界。
深度学习ASR语音识别简介 作为机器学习最重要的一个分支，深度学习近年来发展迅猛，在国内外都引起了广泛的关注。然而深度学习的火热也不是一时兴起的，而是经历了一段漫长的发展史。接下来我们简单了解一下深度学习的发展历程