“谷歌”+“深度学习”,两个标签让2015年12月才由谷歌开源的深度学习工具TensorFlow在其发布之后就迅速地成为了全球最为炙手可热的开源项目,2016年4月,开源的TensorFlow又支持了分布式特性,向着生产环境下的应用更进一步。
国内有人翻译了成套的tensorflow文档,链接如下:
http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html
TensorFlow API支持Python 2.7和Python 3.3+,共支持4种安装方式。
- Pip install
- Virtualenv install
- Anaconda install
- Docker install
我只是用mac先学习一下,
1,首先安装Docker
从链接https://www.docker.com/products/docker#/mac
下载安装包,Docker是个容器,如果有兴趣研究可以去链接http://dockone.io/article/783
下载包很慢,建议翻墙。
安装后可以设置docker设置它使用的CPU和内存
打开终端,输入命令:
docker pull b.gcr.io/tensorflow/tensorflow
这个命令是下载tensorflow的镜像,建议翻墙,不翻墙基本不可能
下载完成后执行以下命令:
docker run -it b.gcr.io/tensorflow/tensorflow bash
此命令会启动镜像环境,并进入另一个可以操作tensorflow的shell
进入后打开python测试下tensorflow是否可以使用
root@e6d4212107d0:/notebooks# python
Python 2.7.6 (default, Jun 22 2015, 17:58:13)
[GCC 4.8.2] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess =tf.Session()
>>> sess.run(hello)
'Hello, TensorFlow!'
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> sess.run(a+b)
42
好的,现在你可以训练你的神经网络系统了!