Ⅰ 什麼叫人工智慧學習框架

深度學習框架也就像Caffe、tensorflow這些是深度學習的工具，簡單來說就是庫，編程時需要import caffe、import tensorflow。

Ⅱ 運行tensorflow需要怎麼的電腦配置

TensorFlow是谷歌基於DistBelief進行研發的第二代人工智慧學習系統，需要一個類似工作站的電腦配置運行的，就算低一些的配置也是i7 8700K這種類似的配置，因為越深入預算配置要求越高，給你一個配置單參考下：
英特爾i7 8700K處理器，
華碩Z370-P主板，
金士頓16G DDR4 2400內存條 X 2根，
技嘉GTX1080Ti Gaming OC 11G顯卡，
浦科特M9PeG 256G M.2介面固態硬碟，
希捷1TB機械硬碟，
酷冷至尊冰神B240 CPU水冷散熱器，
海韻FOCUS+750FX 750W電源，
美商海盜船SPEC-05機箱。

Ⅲ tensorflow多久出來的

2016年4月14日，Google發布了分布式TensorFlow。Google的博文介紹了TensorFlow在圖像分類的任務中，在100個GPUs和不到65小時的訓練時間下，達到了78%的正確率。在激烈的商業競爭中，更快的訓練速度是人工智慧企業的核心競爭力。而分布式TensorFlow意味著它能夠真正大規模進入到人工智慧產業中，產生實質的影響。

Ⅳ 如何自學人工智慧

學習AI的大致步驟：
（1）了解人工智慧的一些背景知識；
（2）補充數學或編程知識；
（3）熟悉機器學習工具庫；
（4）系統的學習AI知識；
（5）動手去做一些AI應用；
1 了解人工智慧的背景知識
人工智慧裡面的概念很多，比如機器學習、深度學習、神經網路等等，使得初學者覺得人工智慧很神秘，難以理解。剛開始學習的時候，知道這些名詞大致的意思就行了，不用太深究，學習過一段時間，自然也就清楚這些概念具體代表什麼了。
人工智慧是交叉學科，其中數學和計算機編程是學習人工智慧最重要的兩個方面。這些在「知雲AI專欄」之前的文章「認識人工智慧」，也為大家介紹過，沒閱讀過的同學可以去看一下。
下圖為人工智慧學習的一般路線：
2補充數學或編程知識
對於已經畢業的工程師來說，在系統學習AI之前，一般要補充一些數學或者編程方面的知識。如果你的數學和編程比較好，那麼學習人工智慧會輕松很多。
很多同學一提到數學就害怕，不過，學習人工智慧，數學可以說是繞不過去的。在入門的階段並不需要太高深的數學，主要是高等數學、線性代數和概率論，也就是說，大一大二學的數學知識已經是完全夠用了。如果想要從事機器學習工程師的工作，或者搞人工智慧的研究，那麼應該多去學習數學知識，數學好將會是工作中的一大優勢。
python是在機器學習領域非常受歡迎，可以說是使用最多的一門編程語言，因此Python編程也是需要掌握的。在眾多的編程語言中，Python是比較容易學習和使用的編程語言，學好Python也會受益很多。
3 熟悉機器學習工具庫
現在人們實現人工智慧，主要是基於一些機器學習的工具庫的，比如TensorFlow、PyTorch等等。
在這里推薦大家學習PyTorch。PyTorch非常的受歡迎，是容易使用的機器學習工具庫，有人這樣評價PyTorch「也說不出來怎麼好，但是使用起來就是很舒服」。
剛開始學習人工智慧的時候，可以先運行一下工具庫官網的示例，比如MNIST手寫體識別等。這樣會對人工智慧有一個感性的認識，消除最初的陌生感。然後可以看看裡面的代碼，你會發現，其實神經網路的程序並不復雜，但是會對神經網路的原理和訓練有很多的疑問。這是一件好事，因為帶著問題去學習，會更有成效。
4 系統的學習人工智慧
這里的人工智慧主要指機器學習，因為目前人工智慧主要是通過機器學習的方式來實現的。
機器學習知識主要有三大塊：
（1）傳統機器學習演算法，比如決策樹、隨機森林、SVM等，這些稱作是傳統機器學習演算法，是相對於深度學習而言的。
（2）深度學習，指的就是深度神經網路，可以說是目前最重要最核心的人工智慧知識。
（3）強化學習，源於控制論，有時候也翻譯成增強學習。深度學習可以和強化學習相結合使用，形成深度強化學習。
在這里需要知道的是深度學習並不難學，對於一些工科的研究生，一般只需要幾周就可以上手，並可以訓練一些實際應用中的神經網路。但是想要對深入學習有深入理解不是容易的事情，一般需要幾個月的時間。
傳統機器學習演算法的種類非常多，有些演算法會有非常多的數學公式，比如SVM等。這些演算法並不好學，因此可以先學習深度學習，然後再慢慢的補充這些傳統演算法。
強化學習是比較有難度的，一般需要持續學習兩三個月，才能有所領悟。
5 動手去做一些AI應用
學習過幾周的深度學習之後，就可以動手嘗試去做一些AI應用了，比如圖像識別，風格遷移，文本詩詞生成等等。邊實踐邊學習效果會好很多，也會逐漸的加深對神經網路的理解。

Ⅳ tensorflow會成為google在ai時代的新嗎

Google開源了其第二代深度學習技術TensorFlow——被使用在Google搜索、圖像識別以及郵箱的深度學習框架。這在相關媒體圈、工程師圈、人工智慧公司、人工智慧研究團隊里有了一些討論。比較有趣的是，微軟亞洲研究院立刻向媒體發郵件表示，我們

Ⅵ 學習tensorflow需要什麼基礎

源碼就是指編寫的最原始程序的代碼。運行的軟體是要經過編寫的，程序員編寫程序的過程中需要他們的「語言」。音樂家用五線譜，建築師用圖紙，那程序員的工作的語言就是「源碼」了。

Ⅶ Google 人工智慧引擎 TensorFlow 開源會帶來哪些影響

最直接的影響抄就是明年又會有一大批"自出創新型"科技項目要上馬了。
說一點感想。。。

一是現在很多大公司都越來越重視DL，所以趕緊多了解了解DL無論是對於相關領域的工作，還是對於未來自己的發展都有好處

二是DL現在一大硬傷在於運算復雜度太高導致的計算時間太長，所以GPU加速這一塊未來也會越來越重要。現在和DL關系比較密切的加速手段也主要就是CUDA，所以CUDA相關的東西也可以多了解了解，未來肯定只會用的越多而不是越少

今年CVPR2015和ICCV2015，不少使用DL的工作識別精確度暴增10%，使得未來如果不是工作上有巨大創新的話，基本上所有人都會向著DL的方向去做了

而且這是一條很難回頭的路，因為實驗結果只能越來越好而不是越來越差，如果你不用DL，那麼你的結果比不過別人，所以很多人雖然心裡不怎麼情願，但也是不得不用DL來做自己的一些工作

Ⅷ tensorflow是什麼語言

TensorFlow是編程語言Python，C++，CUDA。

TensorFlow™是一個基於數據流編程（dataflow programming）的符號數學系統，被廣泛應用於各類機器學習（machine learning）演算法的編程實現，其前身是谷歌的神經網路演算法庫DistBelief。

Tensorflow擁有多層級結構，可部署於各類伺服器、PC終端和網頁並支持GPU和TPU高性能數值計算，被廣泛應用於谷歌內部的產品開發和各領域的科學研究。

TensorFlow由谷歌人工智慧團隊谷歌大腦（Google Brain）開發和維護，擁有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在內的多個項目以及各類應用程序介面（Application Programming Interface, API）。

自2015年11月9日起，TensorFlow依據阿帕奇授權協議（Apache 2.0 open source license）開放源代碼。


(8)人工智慧tensorflow擴展閱讀：

TensorFlow的核心組件：

分布式TensorFlow的核心組件（core runtime）包括：分發中心（distributed master）、執行器（dataflow executor/worker service）、內核應用（kernel implementation）和最底端的設備層（device layer）/網路層（networking layer）。

分發中心從輸入的數據流圖中剪取子圖（subgraph），將其劃分為操作片段並啟動執行器。分發中心處理數據流圖時會進行預設定的操作優化，包括公共子表達式消去（common subexpression elimination）、常量折疊（constant folding）等。

執行器負責圖操作（graph operation）在進程和設備中的運行、收發其它執行器的結果。分布式TensorFlow擁有參數器（parameter server）以匯總和更新其它執行器返回的模型參數。執行器在調度本地設備時會選擇進行並行計算和GPU加速。

TensorFlow的安裝：

語言與系統支持

1、Python

TensorFlow提供Python語言下的四個不同版本：CPU版本（tensorflow）、包含GPU加速的版本（tensorflow-gpu），以及它們的每日編譯版本（tf-nightly、tf-nightly-gpu）。

TensorFlow的Python版本支持Ubuntu 16.04、Windows 7、macOS 10.12.6 Sierra、Raspbian 9.0及對應的更高版本，其中macOS版不包含GPU加速。安裝Python版TensorFlow可以使用模塊管理工具pip/pip3或anaconda並在終端直接運行。

2、配置GPU

TensorFlow支持在Linux和Window系統下使用統一計算架構（Compute Unified Device Architecture, CUDA）高於3.5的NVIDIA GPU。

配置GPU時要求系統有NVIDIA GPU驅動384.x及以上版本、CUDA Toolkit和CUPTI（CUDA Profiling Tools Interface）9.0版本、cuDNN SDK7.2以上版本。可選配置包括NCCL 2.2用於多GPU支持、TensorRT 4.0用於TensorFlow模型優化。

Ⅸ 谷歌開源的TensorFlow有什麼用，可以用來設計機器人嗎

TensorFlow是谷歌基於DistBelief進行研發的第二代人工智慧學習系統，其命名來源於本身的運行原理。Tensor（張量）意味著N維數組，Flow（流）意味著基於數據流圖的計算，TensorFlow為張量從圖象的一端流動到另一端計算過程。TensorFlow是將復雜的數據結構傳輸至人工智慧神經網中進行分析和處理過程的系統。
TensorFlow可被用於語音識別或圖像識別等多項機器深度學習領域，對2011年開發的深度學習基礎架構DistBelief進行了各方面的改進，它可在小到一部智能手機、大到數千台數據中心伺服器的各種設備上運行。TensorFlow將完全開源，任何人都可以用。

Ⅹ 利用tensorflow做圖像識別需要對python掌握到什麼程度，我現在python沒有學完

當然可以了，這些就足夠了，哪怕以後用到更高級的東西，現學都行。

因為你永遠不可能准備的100%，搞tf所需的Py知識，你已經拿到了七七八八了。

現在不搞，更待何時？