tensorflow-docs: A Jupyter Notebook repository from zhusimaji

TensorFlow Docs 是由掘金翻译计划实时维护的 TensorFlow 官方文档中文版，维护者为全球各大公司开发人员和各著名高校研究者及学生。欢迎大家加入维护团队，欢迎提 Issue 和 PR，参与之前请阅读文档维护说明。

阅读文档请到 👉 https://tensorflow.juejin.im

推荐学习顺序等更多内容详见：TensorFlow Docs WIKI

相关术语表：TensorFlow 术语表，人工智能术语表

掘金翻译计划欢迎大家的加入，详见 👉 加入我们

`Documentation`

TensorFlow 是一个使用数据流图进行数值计算开源软件库。图的节点表示数学运算，节点之间的边表示流动的多维数据数组（张量）。这种灵活的架构使你能在无需重写代码的情况下，将计算在桌面端、服务端或移动端部署到一个或多个 CPU 和 GPU 中。TensorFlow 还包含 TensorBoard，它是一个数据可视化工具包。

TensorFlow 最初由 Google 机器智能研究机构内的 Google Brain 团队的研究人员和工程师开发，用于进行机器学习和深度神经网络研究。此系统一般足以适用于各种其他领域。

TensorFlow 提供了稳定的 Python API 和 C 语言 API，以及没有向后兼容性保证的如 C++、Go、Java、JavaScript 和 Swift 等 API。

你可以通过订阅 announce@tensorflow.org 来及时获得 TensorFlow 最新的公告及更新等信息。

安装

在安装 TensorFlow 页面中查看关于稳定二进制版的安装或从源码安装的安装步骤。

喜欢挑战的人也可以尝试我们的开发版：

开发版 pip 包

我们非常高兴发布 TensorFlow 的开发版，现在 pypi 提供开发版的 pip 包 tf-nightly 和 tf-nightly-gpu 项目。在干净的环境中简单运行 pip install tf-nightly 或 pip install tf-nightly-gpu 即可安装 TensorFlow 开发版。我们为 Linux、Mac 和 Windows 提供 CPU 和 GPU 支持。

开启你的第一个 TensorFlow 程序

$ python

>>> import tensorflow as tf
>>> tf.enable_eager_execution()
>>> tf.add(1, 2)
3
>>> hello = tf.constant('Hello, TensorFlow!')
>>> hello.numpy()
'Hello, TensorFlow!'

在 tensorflow.org 的教程页面中了解更多有关如何在 TensorFlow 中执行特定任务的示例吧。

贡献指南

如果你想参与贡献 TensorFlow，请先查看我们的贡献指南。此项目遵循 TensorFlow 项目规范。我们期望你能遵循此规范。

我们还使用 GitHub issues 来跟进 requests 和 bugs。对于一般性问题和讨论请查看 TensorFlow 讨论，或直接在 Stack Overflow 提问。

TensorFlow 项目致力于遵守开源软件开发中普遍接受的最佳实践：

持续构建状态

官方构建

Build Type	Status	Artifacts
Linux CPU		pypi
Linux GPU		pypi
Linux XLA		TBA
MacOS		pypi
Windows CPU		pypi
Windows GPU		pypi
Android
Raspberry Pi 0 and 1		Py2 Py3
Raspberry Pi 2 and 3		Py2 Py3

社区支持下的构建

Build Type	Status	Artifacts
IBM s390x		TBA
IBM ppc64le CPU		TBA
IBM ppc64le GPU		TBA
Linux CPU with Intel® MKL-DNN Nightly		Nightly
Linux CPU with Intel® MKL-DNN Python 2.7 Linux CPU with Intel® MKL-DNN Python 3.5 Linux CPU with Intel® MKL-DNN Python 3.6		1.10.0 py2.7 1.10.0 py3.5 1.10.0 py3.6