TensorFlow环境安装和基础使用
Anaconda安装与配置
Anaconda安装
Windows10安装与配置
- 下载安装包:从Anaconda官网下载对应系统和版本的安装包
- 如同一般软件安装一样安装Anaconda即可.注意设定好Anaconda的安装路径,由于Anaconda一定程度可以独立存在,而且可以拥有多个版本,特别是在控制Python版本和虚拟环境的时候,记住Anaconda的安装目录可以方便进行替换升级.当虚拟环境出现问题时,还可以手动删除或者复制.
- Windows环境下可以使用
Anaconda Navigator
进行虚拟环境的配置和启用.
3.1 启动Anaconda Navigator
3.2 在Environments
中新建和修改虚拟环境
3.3 新建虚拟环境:点击Create
按钮新建虚拟环境,输入环境名并选定Python版本.
3.4 虚拟环境配置.创建好虚拟环境后,有两种方法配置虚拟环境并安装相应的Python包,一种是利用Anaconda Navigator
可视化操作界面:
另一种是启动指定虚拟环境的终端(命令行窗口),使用命令行进行Python包的管理conda常用命令:
- 通过
Anaconda Navigator
还可以方便的安装VS Code
和Ipython Notebook
等套件,但是需要首先选定对应的虚拟环境.
Linux安装与配置
Todo
TensorFlow基础使用
TensorFlow是Google开源的一款机器学习平台.接下来通过简单的示例展示如何使用TensorFlow进行图计算,并澄清一些关键概念,如Tensor,Variable,Graph,Session等.
- 创建Tensor: Tensor又称张量,简单可以理解为多维矩阵(数组),TensorFlow中图计算数据流动的基本单元就是Tensor.
使用tf.constant()
可以快速定义Tensor,这里定义两个二维矩阵a
和b
,使用tf.matmul()
进行矩阵乘法操作,分别计算ab
和ba
的结果.可以发现打印出来的四个结果都是Tensor
类型, 在TensorFlow中Tensor是不能修改的, 这一点和Variable不同.
- 创建Variable:Variable是TensorFlow保存模型状态和参数的基本单元,可以简单地理解为TensorFlow中所有可训练的参数都使用Variable保存.
使用tf.get_variable()
创建Variable, 类似于Tensor示例进行两个矩阵乘法操作的展示,
输出结果为Tensor类型, 其他和Tensor操作十分类似. Tensor和Variable可以混合使用.
- 利用Tensor和Variable进行计算:使用Tensor创建输入,Variable作为可训练参数,简单模拟函数 f ( x ) = A x + b f(x)=Ax+b f(x)=Ax+b的操作.
- Session(会话):Session(会话)是进行图计算的环境(上下文),有些类似运行程序的沙盒的作用,
其提供图计算需要的资源并保留相关状态,进行模型存储和加载的时候,也是以Session作为保存和加载对象. 这里需要注意的是,之前运行的程序都是在使用tf.enable_eager_execution()
启动交互模式运行的结果, 现在使用的是使用普通Session运行的结果. 在普通Session模式下, 先构建计算图, 然后初始化必须的参数, 最后使用Session.run()
方法计算指定计算图中的节点得到结果.
- Graph(图):Graph(图)是TensorFlow的重要部分又是容易被人忽略的部分.Graph由各种Tensor、Variable还有Ops组成,例如 f ( x ) = A x + b f(x)=Ax+b f(x)=Ax+b就可以得到对应的Graph,Graph明确规定了所需计算的数据的流向和操作.但是Graph无法直接运行和计算,必须将Graph置于某个Session才行.
完整程序在github