TensorFlow的框架结构解析

TensorFlow是谷歌的第二代开源的人工智能学习系统，是用来实现神经网络的内置框架学习软件库。目前，TensorFlow机器学习已经成为了一个研究热点。由基本的机器学习算法入手，简析机器学习算法与TensorFlow框架，并通过在Linux系统下搭建环境，仿真手写字符识别的TensorFlow模型，实现手写字符的识别，从而实现TensorFlow机器学习框架的学习与应用。

机器学习是一门多领域交叉的学科，能够实现计算机interwetten与威廉的赔率体系 或者实现人类的学习行为，重构自己的知识结构从而改善自身的性能。2016年初，AlphaGo以大比分战胜李世石，AI的概念从此进入人们的视野，而机器学习就是AI的核心，是使计算机具有智能的根本途径。TensorFlow是谷歌的第二代人工智能学习系统，是用来制作AlphaGo的一个开源的深度学习系统。

1机器学习

可以举一个简单的例子来说明机器学习的概念，使用k近邻算法改进交友网站的配对效果［1］。比如说你现在想要在交友网站上认识一个朋友，而交友网站上拥有每个注册用户的两个信息（玩视频游戏所耗时间的百分比和每年获取的飞行常客里程数），你想知道你会对哪些人比较感兴趣，这时候就可以使用机器学习算法建立一个简单的模型。可以将一些自己认为有魅力的人、魅力一般的人、不喜欢的人的这两个信息（玩视频游戏所耗时间的百分比和每年获取的飞行常客里程数）输入机器学习算法建立一个模型，如图1所示。当你想知道一个用户是不是你感兴趣交友的人时，输入信息，计算机通过这个模型进行计算，可以给你一个预测答案，这就是一种经典的监督学习算法。

机器学习算法有很多种类，上述例子说明的监督学习算法只是其中的一类。如果换种方式去实现这个结果，你有一堆如上的数据，但是并不对这些数据进行分类，让算法按照数据的分散方式来观察这些数据，发现数据形成了一些聚类，如图2所示，而通过这种方法，能够把这些数据自动地分类，这就是一种无监督学习算法。

机器学习的算法有很多，再比如用学习型算法来判断你需要多少训练信息，用什么样的更好的近似函数能够反映数据之间的关系，使得用最少的训练信息获得更准确的判断。

机器学习就是当机器想要完成一个任务，通过它不断地积累经验，来逐渐更好、差错减少地完成一个任务。