2017最后一天的学习-TensorFlow

中午吃过饭后，家人都去午休了，我就躺在沙发上看电视，然后稀里糊涂睡着了，突然自己问自己今天写点什么呢，然后在迷糊中突然想到了TensorFlow,好了，那今天就看看它吧。

什么是TensorFlow,如果按照标准的官方说法，就是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。数据流图的概念稍后来讲。

TensorFlow到底有多火呢，按照github 2016年的数据是29622个星，2017年这个数字飙升到了8万多，毫无疑问，是2017年最闪亮的项目。

TensorFlow引起很多的关注和兴趣，可能源自AlphaGo，因为都是来自Google Mind团队。他们的关系非常紧密，可以说互相依存。

如果从我的理解来说，该怎么解释这个技术呢。我个人完全不懂围棋的玩法，就班门弄斧说下围棋的这个事情吧，可能很多是不对的，纯是技术交流。以前的计算机模拟的基本都是穷举的模型，比如有一个步骤有100种可能，那么我就计算100次，每一次得到的结果可能都是局限的，如果要看远一些，那么比如看到后面的5步的走法，按照这个方式理解，那就是100*100*100*100*100种可能性，这种方式结算的结果如果从整体来把握，几乎是不可控的，因为围棋里的玩法不是一个固定的模式，不像你输入一个数据，就立马通过公式计算出一个结果一样。所以说在各种不确定中找到确定的方案，而且能够确定边界，难度应该是相当的大，但是如果换一种思路，比如我把所有不同棋手的学习过程都借鉴过来，比如100个人下棋，在某一个阶段下了某一步棋，对整个棋局都是有利，那么计算机就会标记下来，算是学习了这个技巧，不断的借鉴不断的模仿，然后自我改进，这个过程必然会用的大量的数据和大量的计算，于是乎，各种经验和技巧就不断的迭代，不断的抽象出来，所以说如果让计算机来说某一步具体为什么要那么下，可能没有一个很好的答案，但是它有大把的数据显示这么下一定是目前最好的方案，它会把经验集合起来，而不去做最初穷举的计算。

这方面的实力哪里最强，个人认为还是硅谷，大学里面占据地理优势的就是斯坦福了。今年十一去斯坦福的时候，真是被里面的美景和文化氛围吸引了，非常典型的西班牙建筑特征：红陶筒瓦、手工抹灰墙、陶艺挂件、拱璇门廊。

大名鼎鼎的吴恩达就是斯坦福的教授，也在网易开通了机器学习的公开课，感兴趣自行搜索下。

下午的时候开始简单了解了下，然后开始部署下环境。

TensorFlow的安装可以分为不同的操作系统版本，最早是不支持windows的（现在的版本支持），在Unix,Linux下部署还是很方便的。它提供了大量的Python API,这是大多数深度学习框架都有的; 安装时会根据CPU,GPU的差别有不同的安装类型;目前推荐的操作系统是Ubuntu,不同的Python版本安装也有差别。

我们通过网站（https://www.tensorflow.org/install/）的目录结构就很容易看到TensorFlow的大体情况，支持的平台。

目前最新的版本是1.4，下载链接是：

https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0-cp27-none-linux_x86_64.whl

我们可以根据pip来安装，当然我任性了一会，在RedHat 6版本上安装了，结果发现过程还是很痛苦的。

如果直接使用pip install --upgrade来安装，很可能会提示网站的安全性问题，我们可以先用wget拿到whl文件，然后使用pip install来安装。

当然后面又碰到了一堆的问题，最郁闷的就是glibc的版本兼容性问题。在RHEL 6中的glibc版本是2.12，而在7中则为2.17，安装TensorFlow需要的版本至少是2.16，所以在RHEL6版本中还需要手工升级，glibc算是核心库，我们运行的命令ls,rm这些都和这个库息息相关，所以操作不当就会导致整个系统不可用，我算是趟上了这个坑，当手工升级glibc的时候，发现到问题的时候，貌似有些晚了，因为ls,rm都可不用了，而我的虚拟机上已经在跑一些测试环境了。有很多数据都没来得及备份，我一边想办法，后悔没完整备份，一边在找补救措施，最后好不容易搞定，赶紧做了两件事情：

1. 备份认为关键的数据和程序
2. 对虚拟机开启了快照，随时跟进快照情况进行回退

有了这两个保障，也算是有惊无险。

所以最好还是按照指定的环境，比如Ubuntu来吧。

所以如果说简单些，TensorFlow就是个软件库，我们直接引用即可。

比如一个最简单的TensorFlow程序,引入这个库，然后这样一个3+5的操作还得不到8

import tensorflow as tf
a = tf.add(3, 5)
print(a)
>> Tensor("Add: 0", shape=(), dtype=int32)

这是因为需要开启session，在session中操作能够被执行，简单改进下：

import tensorflow as tf

a = tf.add(3, 5)

sess = tf.Session()

print(sess.run(a))

sess.close()

>> 8

看今天的晚会里面，已经有了全自动码头，看来各行各业都在革命，难啊。

走入IT路，也不容易。

用王家卫《一代宗师》里的台词来简单总结下：

从此只有眼前路，没有身后身，回头无岸