TensorFlow的初體驗

TensorFlow在Linux下的問題似乎比較少，所以用VMware Workstation Player裝了一個Ubuntu 16.04_64，用一個乾淨單純的環境來學習TensorFlow

裝好Ubuntu後，接著要安裝Python、pip與TensorFlow。我是follow TensorFlow 基礎篇〈上〉這篇文章來進行安裝。要稍稍注意目前TensorFlow的版本是搭配Python 3.5.x，在3.6.x或以上可能會有問題(也許未來TensorFlow會釋出新的版本來支援3.6.x以上的版本)。

由於我所安裝的Ubuntu已經內含3.5.2，所以不需要再安裝Python 3 (可先執行python3即可知道現有的版本)。如果你的系統沒有Python 3，為確保安裝的是3.5.x，建議安裝的指令改用：
sudo apt-get install python3=3.5.*

執行step 6時，也許你會在執行tf.Session()時遇到印出一堆訊息，由於這個message的severity是I，代表只是information，所以可以不去理會。

安裝完成後，可以閱讀這一篇TensorFlow 基礎篇〈中〉來了解一下TensorFlow的資料型態與基本操作。逐步的玩過每個指令，熟悉一下TensorFlow的操作邏輯。

接下來就要進入機器學習的主菜了。還是跟隨著TensorFlow 基礎篇〈下〉這篇為學習的主軸。這一篇利用MNIST資料庫來進行手寫數字辨識。
不過這篇有一些說明不夠清楚，或是操作上會遇到問題之處，可以參考一下其他文章：

• 如果想更清楚瞭解one-hot encoding/vector，可以看這裡
• 對於MNIST 資料集，可以先看這篇說明，照這篇的介紹來學習應該可以更了解。不過這一篇會用到matplotlib，而這個又依賴了Tkinter，所以要先用下面兩個指令來安裝matplotlib與Tkinter：
  sudo python3 -mpip install matplotlib
sudo apt-get install python3-tk
• 接下來我透過這兩篇Softmax Regression 模型解說與實作 MNIST Softmax 模型來了解Softmax
• 很重要的是，官方文章絕對是最好的參考資源：TensorFlow官方教學
• 這位前輩分享的學習筆記絕對要致敬一下！