自己開發了一個股票智能分析軟件，功能很強大，需要的點擊下面的鏈接獲取：
https://www.cnblogs.com/bclshuai/p/11380657.html
1
1.1 簡介
1.1.1 定義
先對tensorflow有個全局的概念，TensorFlow 是由 Google Brain 團隊為深度神經網絡（DNN）開發的功能強大的開源軟件庫，用於編輯開發深度學習項目。通過數據訓練得到數據模型，將數據模型用於實際應用。可以在分布式系統上進行大量的訓練學習。開發和部署更加高效和方便。tensor是張量的意思，張量就是各種維度的數據，tensorflow就是數據的流動。張量的流動則是指保持計算節點不變，讓數據進行流動。張量從圖中從前到后走一遍就完成了前向運算；而殘差從后往前走一遍，就完成了后向傳播。
1.1.2 特征
（1） 高度的靈活性，將你的計算表示為數據流圖，就可以使用tensorflow來構建圖，tensorflow就會幫助你去訓練。
（2） 跨平台可移植性，tensorflow可以在CPU或者GPU上台式機、筆記本。手機等設備上運行，雲服務（AWS、Google和Azure）的支持。
（3） 自動求微分，基於梯度的機器學習算法會受益於Tensorflow自動求微分的能力。作為Tensorflow用戶，你只需要定義預測模型的結構，將這個結構和目標函數（objective function）結合在一起，並添加數據，Tensorflow將自動為你計算相關的微分導數。計算某個變量相對於其他變量的導數僅僅是通過擴展你的圖來完成的。
（4） 多語言支持，支持所有流行語言，如 Python、C++、Java、R和Go。
（5） 性能最優化，比如說你又一個32個CPU內核、4個GPU顯卡的工作站，想要將你工作站的計算潛能全發揮出來？由於Tensorflow 給予了線程、隊列、異步操作等以最佳的支持，Tensorflow 讓你可以將你手邊硬件的計算潛能全部發揮出來。你可以自由地將Tensorflow圖中的計算元素分配到不同設備上，Tensorflow可以幫你管理好這些不同副本。
1.1.3 數據流圖
tensorflow是通過一個數據流圖來組織訓練的邏輯流程，包括輸入、操作節點、數據流線、輸出四部分組成。圖中的每個節點是一個操作（operation），每一條方向線則表示數據流動的關系，這些數據“線”可以輸運“size可動態調整”的多維數據數組，即“張量”（tensor）。圖將數據（張量，輸入訓練數據和節點變量參數，輸出結果數據）和節點（操作operation）組織起來，形成流程圖，機器學習就是去不斷的計算這張圖，再根據結果調整節點變量的值，在重新計算，直到結果滿意（小於一個閾值），或者結果基本不變為止。
1.1.4 張量tensor
數據流圖中的輸入訓練數據和節點變量參數，輸出結果數據都是張量，張量有維度（階數rank），長度（形狀shape），類型。0維表示常量，1維表示向量，二維表示矩陣，三階張量是數據立體，任意維度的數據統稱為張量。
1.1.5 會話Session
為了獲得圖的計算結果，圖必須在會話中被啟動。圖是會話類型的一個成員，會話類型還包括一個runner，負責執行這張圖。會話的主要任務是在圖運算時分配CPU或GPU。
下一篇：