大橙子网站建设,新征程启航
为企业提供网站建设、域名注册、服务器等服务
本文介绍了详解TensorFlow在windows上安装与简单示例,分享给大家,具体如下:
成都创新互联公司是一家集网站建设,勐海企业网站建设,勐海品牌网站建设,网站定制,勐海网站建设报价,网络营销,网络优化,勐海网站推广为一体的创新建站企业,帮助传统企业提升企业形象加强企业竞争力。可充分满足这一群体相比中小企业更为丰富、高端、多元的互联网需求。同时我们时刻保持专业、时尚、前沿,时刻以成就客户成长自我,坚持不断学习、思考、沉淀、净化自己,让我们为更多的企业打造出实用型网站。安装说明
平台:目前可在Ubuntu、Mac OS、Windows上安装
版本:提供gpu版本、cpu版本
安装方式:pip方式、Anaconda方式
Tips:
安装进度
2017/3/4进度:
Anaconda 4.3(对应python3.6)正在安装,又删除了,一无所有了
2017/3/5进度:
Anaconda 4.3(对应python3.6)get
Anaconda中python3.5.2get
tensorflow1.0.0get
行文思路
在看别人教程时候总遇到些没见过的名词,让人望而生畏。
所以索性从名词解释开始。
然后讲述TensorFlow的安装和简单示例。
作为自己的笔记,
也希望像我一样的小白看到这篇教程能觉得做起来很顺畅!
CUDA
CUDA(Compute Unified Device Architecture),是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构(ISA)以及GPU内部的并行计算引擎。 开发人员现在可以使用C语言来为CUDA™架构编写程序,C语言是应用最广泛的一种高级编程语言。所编写出的程序于是就可以在支持CUDA™的处理器上以超高性能运行。CUDA3.0已经开始支持C++和FORTRAN。
计算行业正在从只使用CPU的“中央处理”向CPU与GPU并用的“协同处理”发展。为打造这一全新的计算典范,NVIDIA™(英伟达™)发明了CUDA(Compute Unified Device Architecture,统一计算设备架构)这一编程模型,是想在应用程序中充分利用CPU和GPU各自的优点。现在,该架构已应用于GeForce™(精视™)、ION™(翼扬™)、Quadro以及Tesla GPU(图形处理器)上。
来自百度百科。
(所以我的A卡是用不成它的)
Anaconda
Anaconda是由Python提供支持的领先的开放数据科学平台。 Anaconda的开源版本是Python和R的高性能分发版本,包括超过100个用于数据科学的最流行的Python,R和Scala软件包。
来自Anaconda官方下载页面
具体使用见Anaconda官方教程,简单易懂!
Anaconda初步学习
0.下载Anaconda安装包:Anaconda官方下载地址
我下载的是Anaconda4.3.0For Windows 64bit(内置python3.6)
下载好了就安装,一直下一步。
1.检查Anaconda是否成功安装:conda --version
(嘻嘻,第一步成功了,开心点)
2.检测目前安装了哪些环境:conda info --envs
(只有一个呀!不怕,继续来!)
3.检查目前有哪些版本的python可以安装:conda search --full-name python
(好多呀,要哪个呢?嘻嘻当然是python3.5啦)
4.安装不同版本的python:conda create --name tensorflow python=3.5
(猜想输入python=3.5版本后,系统会自动选择一个3.5.x的版本吧)
activate tensorflow
conda info --envs
python --version
deactivate
activate tensorflow
PS:想了解更多请看Anaconda官方教程,简单易懂好上手!别乱搜网上的教程,没有官方教程看着清爽!
TensorFlow安装
本文是将tensorflow在原生windows系统上安装,
采用anocanda的安装方式,
安装的是cpu版本(嗯,作为AMD的显卡,掩面哭)
Anaconda 4.3.0.1(带有python3.6)
在Anaconda里面配了python3.5.2
下面是今天的主角!(噼里啪啦)
1.按照官网的指示:pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.0.0-cp35-cp35m-win_x86_64.whl
(好吧,先是打错,接下来又这样!我不知道该怎么办了(ㄒoㄒ)/~~)
2.另一种尝试:pip install tensorflow
(划重点了,原来是这样子!我是AMD的卡,对应的不一样!)
3.确认tensorflow安装成功:
错误尝试:直接在cmd里面键入python,然后键入import tensorflow as tf
正确尝试:进入Anaconda Prompt-python里面,进入安装的名叫tensorflow的环境(我们装的python3.5.2记得吗?~),键入python,然后再键入import tensorflow as tf
在这里可以找到Anaconda Prompt-python:
打开Anaconda Navigator(开始菜单->Anaconda 3->Anaconda Navigator),搞一个spyder玩,点击spyder下面的“install”,安装好就变成“Launch”了,点击就可以进去了。
在spyder里对tensorflow说Hello!
输出:
(嘿嘿嘿哈哈哈我感觉我好像成功了!!!你呢?~~)
参考tensorflow官方文档,请上英文官网,中文社区似乎没有更新windows上的安装
TensorFlow例程上手
装了个新东西,我们先把它用起来吧!
概念什么的跑完第一个小程序再看!
找点成就感才好继续下去!
示例来源:MINIST For ML Beginners
MINST数据集:
代码:
#获得数据集 from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) import tensorflow as tf #输入图像数据占位符 x = tf.placeholder(tf.float32, [None, 784]) #权值和偏差 W = tf.Variable(tf.zeros([784, 10])) b = tf.Variable(tf.zeros([10])) #使用softmax模型 y = tf.nn.softmax(tf.matmul(x, W) + b) #代价函数占位符 y_ = tf.placeholder(tf.float32, [None, 10]) #交叉熵评估代价 cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1])) #使用梯度下降算法优化:学习速率为0.5 train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) #Session sess = tf.InteractiveSession() #初始化变量 tf.global_variables_initializer().run() #训练模型,训练1000次 for _ in range(1000): batch_xs, batch_ys = mnist.train.next_batch(100) sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys}) #计算正确率 correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1)) accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))