TensorFlow章二：环境搭建

TensorFlow

2.1 TensorFlow的主要依赖包

TensorFlow的两个主要依赖包：Protocol Buffer和Bazel。

2.11Protocol Buffer

Protocol Buffer是Google开发处理结构化数据的工具。这里的结构化数据是拥有多种属性的数据。比如name，ID，Email等属性。类似的数据处理工具有XML和Json。
Protocol Buffer和xml或者Json格式的数据有以下区别：

• Protocal Buffer序列化之后得到的数据不是可读的字符串，而是二进制流
• XML或Json格式的数据信息都包含在序列化的数据中，Protocol Buffer要定义好数据的格式（Schema）。还原的时候需要这个格式。
  因为有这样的差别，Protocol Buffer序列化出来的数据要比XML格式的数据小3到10倍，解析时间要快20到100倍。

Protocol Buffer定义的数据保存在.proto文件中。每一个message代表一类结构化的数据。

message user{
    optional string name = 1；//可选的
    required int32 id = 2；  //必须的
    repeated string email = 3； //可以重复的
}

2.1.2 Bazel

1. Bazel是Google开源的自动化构建工具，相比Makefile，Ant或者Maven，Bazel在速度，可伸缩性，灵活性，以及对语言和平台的支持上更加出色。Bazel的安装向导。

2. Bazel包含项目空间（workspace），一个项目空间里面可以有一个或多个应用。需要有一个WORKSPACE文件，该文件定义了对外部资源的依赖关系。Bazel通过BUILD文件来找到需要编译的目标。

3. Bazel对Python程序的支持的编译方式有三种：py_binary（编译Python为可执行文件）,py_library（将Python编译为函数库）和py_test（编译Python测试程序）.

2.2 TensorFlow安装

2.2.1使用Docker安装

Docker是新一代的虚拟化技术，它可以将TensorFlow以及TensorFlow的所有依赖关系封装到Docker镜像中，简化安装过程。
Docker的安装如下：installation