什么是Google Tensorflow？

TensorFlow

Google TensorFlow 是一个功能强大的深度学习开源软件框架，用于为AI项目提供支持、机器学习和神经网络的创建。这使得计算机可以执行日益复杂的任务，例如图像识别和文本分析。

TensorFlow

在人工智能方面，大多数人都会想到强大的超级计算机在巨型数据库中处理数十亿的数字。但机器学习流程主要分以下4个部分

1.建立数据

2.模型评价

3.模型优化

4.模型部署

TensorFlow

尽管树莓派上并未得到Google的正式支持，但Raspberry Pi还是包含了示例模型，让TensorFlow在Pi上运行起来非常有趣。使用TensorFlow可以更好地了解AI的工作原理，以及如何将AI运用到实际项目中。

TensorFlow_Raspbin

如何在Raspberry Pi上安装TensorFlow？

1.打开终端窗口并输入：

sudo apt install -y libatlas-base-dev
pip3 install tensorflow

1 2	sudo apt install -y libatlas-base-dev pip3 install tensorflow

可视化TensorFlow学习过程

2.在TensorFlow中编写Hello World

希望您现在已经启动并运行TensorFlow。所以让我们开始吧。使用菜单>编程> Python 3（IDLE）打开Python 3（IDLE）。选择“文件”>“新建文件 hello_tensorflow.py”，然后输入代码：

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

import tensorflow as tf

hello = tf.constant('Hello, TensorFlow!')

sess = tf.Session()

print(sess.run(hello))

将代码文件另存为hello_tensorflow.py并选择“运行”>“运行模块”。您将收到警告，因为TensorFlow是为Python 3.4编译的，我们正在运行Python 3.5。别担心，代码有效。

Python shell将显示：

'你好TensorFlow'

1	'你好TensorFlow'

Python 3（IDLE）

Google为Raspberry Pi开发了一系列可以测试的模型。首先克隆TensorFlow存储库：

git clone https://github.com/tensorflow/tensorflow.git

1	git clone https://github.com/tensorflow/tensorflow.git

按照此处的说明构建示例模型。

现在前往TensorFlow存储库的一部分，找到Google示例模型和说明。

默认示例是Grace Hopper的图片。运行它，你会看到它识别出“军装”，“套装”和“学术礼服”（然后按照概率递减的顺序排列其他项目）。从这里您可以看到如何使用此模型来识别您自己的图像中的对象，并在您自己的代码中使用它。还有一个指向直接使用Pi Camera Module的示例的链接。

Grace Hopper

树莓派 + Google TensorFlowhttp://t.zijieimg.com/f2aa4x/