如何學(xué)習(xí)tensorflow？Tensorflow是谷歌開發(fā)的人工智能框架?，F(xiàn)在它有了一個中國官方網(wǎng)站和社區(qū)。你可以仿效官網(wǎng)學(xué)習(xí)。如果不懂，可以去tensorflow社區(qū)查看，或者提問，當(dāng)然GitHu

如何學(xué)習(xí)tensorflow？

Tensorflow是谷歌開發(fā)的人工智能框架。現(xiàn)在它有了一個中國官方網(wǎng)站和社區(qū)。你可以仿效官網(wǎng)學(xué)習(xí)。如果不懂，可以去tensorflow社區(qū)查看，或者提問，當(dāng)然GitHub在這方面也有很多知識，可以學(xué)習(xí)借鑒。如果沒有GPU，你可以使用Google的colab。免費的GPU

語言只是一個工具。有很多Python第三方模塊，所以很多人會認(rèn)為它很簡單，因為它只是一種玩的方式。但不要偏離核心。語言只是一種工具。最后，你需要的是你的個人思維和邏輯能力，這也是硬實力

Python是不是真的很簡單？值得培訓(xùn)么？

如果您想用少量代碼盡快構(gòu)建和測試神經(jīng)網(wǎng)絡(luò)，keras是最快的，而且順序API和模型非常強(qiáng)大。而且keras的設(shè)計非常人性化。以數(shù)據(jù)輸入和輸出為例，與keras的簡單操作相比，tensorflow編譯碼的構(gòu)造過程非常復(fù)雜（尤其對于初學(xué)者來說，大量的記憶過程非常痛苦）。此外，keras將模塊化作為設(shè)計原則之一，用戶可以根據(jù)自己的需求進(jìn)行組合。如果你只是想快速建立通用模型來實現(xiàn)你的想法，keras可以是第一選擇。

但是，包裝后，keras將變得非常不靈活，其速度相對較慢。如果高度包裝，上述缺點將更加明顯。除了一些對速度要求較低的工業(yè)應(yīng)用外，由于tensorflow的速度較高，因此會選擇tensorflow

如果您在驗證您的想法時，想定義損失函數(shù)而不是使用現(xiàn)有的設(shè)置，與keras相比，tensorflow提供了更大的個性空間。此外，對神經(jīng)網(wǎng)絡(luò)的控制程度將在很大程度上決定對網(wǎng)絡(luò)的理解和優(yōu)化，而keras提供的權(quán)限很少。相反，tensorflow提供了更多的控制權(quán)，比如是否訓(xùn)練其中一個變量、操作梯度（以獲得訓(xùn)練進(jìn)度）等等。

盡管它們都提供了深度學(xué)習(xí)模型通常需要的功能，但如果用戶仍然追求一些高階功能選擇，例如研究特殊類型的模型，則需要tensorflow。例如，如果您想加快計算速度，可以使用tensorflow的thread函數(shù)來實現(xiàn)與多個線程的相同會話。此外，它還提供了調(diào)試器功能，有助于推斷錯誤和加快操作速度。