1.3 TensorFlow简介

TensorFlow是谷歌公司推出的机器学习开源神器，是谷歌基于DistBelief进行研发的第二代人工智能学习系统。DistBelief是谷歌内部开发和使用的机器学习框架，但是它严重依赖于Google内部硬件，仅适用于开发神经网络算法等，因此难以广泛使用。谷歌在DistBelief的基础上，提高了运算效率、框架的灵活性和可移植性，形成了TensorFlow框架。目前，TensorFlow已被广泛用于文本处理、语音识别和图像识别等多项机器学习和深度学习领域。

1.3.1 主流框架的对比

在机器学习的开源框架中，Google（谷歌）、Microsoft（微软）、Facebook（脸书）和Amazon（亚马逊）等巨头都有着自己的机器学习框架并进行了一定程度的开源。此外，还有伯克利大学的贾扬清主导开发的Caffe、蒙特利尔大学Lisa Lab团队开发的Theano以及其他个人或商业组织贡献的框架。可以说，各种开源的深度学习框架层出不穷。

1．基本情况

TensorFlow是Google的可移植机器学习和神经网络库，可扩展性强。TensorFlow对Python有着良好的编程语言支持，支持CPU、GPU和Google TPU等硬件，并且已经拥有各种各样的模型和算法，在深度学习上有非常出色的表现。另外，TensorFlow由谷歌进行主导，在文档和实例方面也有着良好的支持。

MXNet是亚马逊的机器学习框架，具有较强的可移植性和可扩展性，对Python、R、Scala、Julia和C++等编程语言有着不同程度的支持。

Deeplearning4j（DL4J）是一个专注于深度神经网络的Java库，可以与Hadoop和其他基于Java的分布式框架集成。

Microsoft Cognitive Toolkit（CNTK）是微软的开源深度学习框架，支持Python编程语言，拥有各种各样的神经网络模型，并且支持强化学习、生成对抗网络等，是一个功能强大的工具。但是由于交流的社区小，在文档和实例方面的学习资料很少。

Caffe深度学习项目最初是一个用于解决图像分类问题的框架，后来逐步成长为一个强大的机器学习框架。但是由于其创始人现已离开项目，有一段时间已不再进行更新。该项目的下一步进展不明确，建议不再使用。

Torch是Facebook主推的机器学习框架，基于Lua语言进行开发，广泛支持各种机器学习模型和算法。但是由于Lua语言是机器学习中相对冷门的语言，因此增加了学习成本。

Theano由蒙特利尔大学机器学习研究所（MILA）创建。Theano支持Python语言，并且能够支持其他的深度学习框架。但因为它由研究机构开发，在API方面并不完善，若要写出效率高的Theano框架，需要对隐藏在框架背后的算法也相当熟悉，所以它只在研究中极为流行，但在项目开发方面难度相对较大。

Keras由Francis Chollet编写和维护，基于Python进行编写，能够运行在Theano或TensorFlow上，可以将它看成对Theano或TensorFlow的再一次封装。Keras由于水平高，对用户友好，因此能够更加便捷地编写卷积神经网络、递归神经网络等机器学习模型。目前，TensorFlow将Keras添加为TensorFlow核心中的高级框架，成为TensorFlow的默认API。

对于这些主要的机器学习框架，基本情况的对比如表1.1所示。

2．运行性能

在性能方面，对主流框架在AlexNet上单GPU的情况进行了性能评测，结果如表1.2所示。

可以看出，TensorFlow的性能已经处于领先水平。

3．受欢迎程度

主要的机器学习框架都在GitHub上进行了开源。截至2018年4月，流行的机器学习框架在GitHub上的情况如图1.1所示。

从中可以看到，TensorFlow在Watch数量、Star数量、Fork数量等方面都完胜其他框架。

综合来说，TensorFlow本身在编程语言上对主流的Python进行支持，并且能够支持各种硬件平台，能够采用集中部署和分布式部署方式，能够部署在移动端、云端、服务器端等不同的应用环境中。最关键的是它由Google主导，Google强大的人工智能研发水平，让大家对Google的深度学习框架充满信心。而且Google丰富的项目经验，使得TensorFlow能够进行快速的迭代更新，Google的工程师和其他广大的开发者也能组织成活跃的社区，进行积极反馈，形成良性循环，可以说TensorFlow框架是我们进行机器学习的首选。

1.3.2 TensorFlow的发展

TensorFlow从2015年开源以来，不断地迭代更新，主要的更新版本如下。

2015年11月9日，Google在GitHub上开源了TensorFlow。

2016年4月13日，TensorFlow 0.8版本发布，支持分布式计算。

2016年4月29日，开发AlphaGo的DeepMind团队转向TensorFlow，增强了TensorFlow的力量。

2016年5月12日，开源基于TensorFlow的最准确语法解析器SyntaxNet。

2016年6月27日，TensorFlow 0.9版本发布，增强了移动设备支持。

2016年8月30日，TF-Slim库发布，可以更简单、快速地定义模型。

2017年2月15日，TensorFlow 1.0版本发布，提高了框架的速度和灵活性。

2017年8月17日，TensorFlow 1.3版本发布，将Estimate估算器加入框架。

2017年11月2日，TensorFlow 1.4版本发布，将Keras等高级库加入核心功能。

另外，TensorFlow具有出色的版本管理和细致的官方文档，活跃的社区也在不断促进TensorFlow的发展。

1.3.3 使用TensorFlow的公司

谷歌作为TensorFlow的主导公司，在自己的搜索、Gmail、翻译、地图和YouTube等产品中均使用了TensorFlow，这也是谷歌DeepMind人工智能项目的AlphaGo和AlphaGo Zero的底层技术。同时，国外的airbnb、ebay和Dropbox等公司也在尝试使用，国内的京东、小米等公司也在使用。图1.2摘自TensorFlow官网日益强大的公司墙。