TensorFlow API

TensorFlow 可以理解为一个 Python 包，许多功能与 Python 相同。但是 TensorFlow 的核心具有分布式运行时。此功能以多种语言实现，其中一种是 Python。

这是 TensorFlow 分布式执行引擎或运行时引擎的图示。可视化上图的另一种方式是将其视为一种虚拟机，其语言如C、C++、R、Java等。以下解释了这些 API 在 TensorFlow 中的使用。

TensorFlow 的 C API

唯一具有 TensorFlow 官方支持的 API 是 C 和 Python API（部分）。当我们要为其他语言制作 TensorFlow API 时，应使用 C API，因为许多语言都有与 C 语言连接的方法。

TensorFlow 的 C++ API

TensorFlow 的运行时是用 C++ 编写的，并且主要通过 TensorFlow 中的头文件将 C++ 连接到 TensorFlow。 C++ API 仍处于实验开发阶段，但 Google 致力于与 C++ 合作。

TensorFlow 的 R API

RStudio 创建的 TensorFlow 的 R API 在提供 API 支持方面采用了一些不同的方法。 R API 完全包含 Python API，这与 TensorFlow 的 API 不同。但是，R 的用户可以访问 Python API 的所有功能。

TensorFlow 的 Python API

在 Tensor Flow 及其开发方面，Python API 是核心语言。它是 TensorFlow 支持的第一批语言之一，并且仍然支持大多数功能。 Python API 是如此多样，以至于我们必须选择要在 TensorFlow 中使用的 API 级别。

TensorFlow 项目中的 API

TensorFlow 中的 API 仍然基于 Python，并且为用户提供了低级选项，例如 tf.manual 或 tf.nnrelu，这些选项用于构建神经网络架构。这些 API 也用于设计具有更高抽象级别的深度神经网络。

此集合提供的功能如下：

• 自动检查点
• 自动日志记录
• 单独的训练/评估/预测
• 简化的训练分配。

TensorFlow 提供了经验丰富的多队列、多线程和队列运行程序设计，用于加载数据。 TensorFlow 的开发人员提供了数据集 API 来解决此问题，并提供了一个精简的界面作为奖励。

TensorFlow 项目之外的 API

机器学习爱好者在 TensorFlow 项目之外开发的其他一些 TensorFlow API。

• TFLearn：此 API 不能视为 TF Learn，它是 Tensor Flow 的 tf.contrib.learn。它是一种单独的 Python 包。
• Tensor Layer：它作为一个单独的包出现，并且与 Tensor Flow 的 layers API 中的内容不同。
• Pretty Tensor：这是一个 Google 项目，提供流畅的链接界面。
• Sonnet：这是 Google 的 Deep Mind 的一个项目，具有模块化方法。

我们必须了解不同语言的 TensorFlow API。此外，我们还研究了 TensorFlow 与 Python 的区别，以及它如何在机器学习和深度神经网络领域中获得自己的特性。