是一个在线问答平台。因为是一个基于互联网的问答平台,用户可以在上面提出自己的问题,并且获得社区里其他人的回答。这个系统提供了一个便捷的平台,让人们可以在这里寻求帮助和分享自己的知识。此外,还提供了一些其他特色功能,比如为用户提供相关问题的推荐、针对某些问题进行分类等等。这些功能都让这个平台更加便捷和实用。
tensorflow不是软件,TensorFlow 是由 Google Brain 团队为深度神经网络(DNN)开发的功能强大的开源软件库,于 2015 年 11 月首次发布,在 Apache 2.x 协议许可下可用。截至今天,短短的两年内,其 GitHub 库大约 845 个贡献者共提交超过 17000 次,这本身就是衡量 TensorFlow 流行度和性能的一个指标。
和TensorFlow对应的是Theano,Torch,而Caffe专精于图像处理。如果就是一个标准图像处理应用,Caffe会很方便,仍然有其存在的价值。而在一般的DL task上,Caffe本来就不如Theano之流,也无所谓取代。
OpenCV是计算机视觉库,Tensorflow是深度学习框架。
包含了大量的图像处理和计算机视觉的算法,但是在机器学习方面明显不足,ML模块只有SVM,MLP,kNN等有限的几种算法。dnn模块也是调用别的框架。
Tensorflow是专为深度学习而生,可以方便的实现各种深度学习算法。
二者不属于同一领域,做视觉用OpenCV,做深度学习用Tensorflow。或者二者结合做图像识别等等。
TensorFlow在Windows中的安装
首先安装最新版的 Anaconda(>= Python 3.6)
Windows+R,输入 CMD 打开命令窗,安装 CPU 版本
pip install --upgrade tensorflow
GPU版本的安装过程则相对复杂,除了要考虑电脑是否支持GPU版本(主要是看显卡)外,还有cuda等的安装以及版本号对应的问题
可以在设置中进行下载,网络可能有延迟
我们需要Anaconda帮我们把房间打好隔断,然后我们再在书房装上TensorFlow来进行我们的任务。
安装tensorflow的速度取决于电脑内存和网速大小。
sklearn定位是通用机器学习库;tensorflow定位是深度学习库。
sklearn提供强大的特征工程处理函数,如降维、特征选择等;tensorflow没有。
sklearn更倾向于使用者可以自行对数据进行处理;tensorflow则是通过深度学习机制学习数据表征。
sklearn主要适合中小型、实用机器学习项目,对硬件要求相对较低,尤其是那种数量级不大且需要使用者手动对数据进行处理,并选择合适模型的项目;
tensorflow主要适合已经明确了解需要深度学习,且数据处理要求不高的项目,那种数据量较大且最终需要的京都要求更高的项目比较适用(一般需要GPU加速应用)。
用conda安装比pip安装要方便,依赖库都是兼容的,直接通过网址下载较慢,可以先下载tensorflow.whl,然后本地安装即可,这种方式是最快的,大概一分钟时间。