TensorFlow在windows上安装与简单示例--转自CSDN

本文转自CSDN,作者叶晚林。原文链接如下:

http://blog.csdn.net/darlingwood2013/article/details/60322258


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:

  1. 在Windows上目前支持python3.5.x
  2. gpu版本需要cuda8,cudnn5.1

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 
版本 
(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 
环境监测 
(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) 
 
(python3.5.3要不要?实验室服务器上是3.5.2,统一好啦!) 
 
(好啦,Go!) 
 
(嘻嘻!安好啦!又离成功近了一步!) 
5.按照提示,激活之:activate tensorflow 
 
(嘻嘻它有了一顶小帽子~代表我的当前环境哦) 
6.确保名叫tensorflow的环境已经被成功添加:conda info --envs 
 
(Bravo!) 
7.检查新环境中的python版本:python --version 
 
(^^开心开心~) 
8.退出当前环境:deactivate 
 
(小帽子掉了) 
9.切换环境:activate tensorflow 
 
想切换到哪个环境就 activate哪个~ 
这篇文章既然是安装tensorflow的,当然要avtivate tensorflow! 
小妖精!我来了!

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

 
(小伙子默认的是python3.6啊啊啊啊啊,要从anaconda进入刚刚装的那个python3.5里面哦!~)

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:

  1. 55000训练集,10000测试集,5000验证集
  2. 每张图片都是28pixels*28pixels

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}))
 
 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42

运行结果:输出显示得到模型的准确率 


结语

昨天花费了大半天部署环境,不但一无所获且搞得焦头烂额。今天再战,索性边做边写,好像和旁边的人在聊天一样。嗯,心情愉悦的时候容易做出东西。时间很宝贵,但还是希望你的学习曲线不要太陡峭,希望你能愉快地走进新领域。

相关资料汇总

  1. Anaconda官方下载地址
  2. Anaconda官方教程
  3. TensorFlow官方安装教程
  4. 第一个示例小程序MINIST识别
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值