TensorFlow目前已经支持Win7以上64位环境的直接搭建。我的电脑是win7 64位系统,今天在Python下配置了TensorFlow,因为配置环境总是各种磨人,所以在这里和大家分享我的配置过程。
首先需要Windows版本在7以上,并且是64位。
其次是Python版本。因为Python只提供了Python3.5版本对应的TensorFlow;并且后面需要用到Python的文件管理pip,而Python3.5.2以上版本自带pip,所以大家直接下载最新的Python3版本就行了。
Python3 下载地址 https://www.python.org/downloads/release/python-352/
接下来就是安装TensorFlow的Python wheel文件了,在网页选择下载 tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl(md5) 就可以了。
tensorflow 下载地址 https://pypi.python.org/pypi/tensorflow
最后就要把下载下来的whl文件安装到Python。win+r 键打开运行 -> 输入cmd回车 -> 通过cd选择到whl所在文件夹 -> 键入pip install tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl回车,就可以等待Python自动安装了。
当然以后也可能要用到其他whl,可以在这个链接里面找你需要的文件,选择对应的操作系统和Python版本就可以了,http://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv
因为tensorflow中文网站的代码是Python2.7下的,所以Python3不能直接使用。这里我把官网第一篇平面拟合三维数据的代码改了一下。
代码:
import tensorflow as tf
import numpy as np
# 使用 NumPy 生成假数据(phony data), 总共 100 个点.
x_data = np.float32(np.random.rand(2, 100)) # 随机输入
y_data = np.dot([0.100, 0.200], x_data) + 0.300
# 构造一个线性模型
#
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b
# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
# 初始化变量
init = tf.initialize_all_variables()
# 启动图 (graph)
sess = tf.Session()
sess.run(init)
# 拟合平面
for step in range(0, 201):
sess.run(train)
if step % 20 == 0:
print (step, sess.run(W), sess.run(b))
# 得到最佳拟合结果 W: [[0.100 0.200]], b: [0.300]
运行后得到:
0 [[ 0.55157125 -0.49944645]] [ 0.80461264]
20 [[ 0.06628663 0.04882991]] [ 0.39112675]
40 [[ 0.07519965 0.16086708]] [ 0.33194694]
60 [[ 0.09028707 0.18783146]] [ 0.31097454]
80 [[ 0.09656974 0.19596238]] [ 0.30374929]
100 [[ 0.09881932 0.198634 ]] [ 0.30127895]
120 [[ 0.09959642 0.1995353 ]] [ 0.30043608]
140 [[ 0.09986231 0.19984168]] [ 0.30014867]
160 [[ 0.09995303 0.19994602]] [ 0.30005071]
180 [[ 0.09998401 0.19998161]] [ 0.30001727]
200 [[ 0.09999455 0.19999374]] [ 0.30000585]
至此测试成功!
首先需要Windows版本在7以上,并且是64位。
其次是Python版本。因为Python只提供了Python3.5版本对应的TensorFlow;并且后面需要用到Python的文件管理pip,而Python3.5.2以上版本自带pip,所以大家直接下载最新的Python3版本就行了。
Python3 下载地址 https://www.python.org/downloads/release/python-352/
接下来就是安装TensorFlow的Python wheel文件了,在网页选择下载 tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl(md5) 就可以了。
tensorflow 下载地址 https://pypi.python.org/pypi/tensorflow
最后就要把下载下来的whl文件安装到Python。win+r 键打开运行 -> 输入cmd回车 -> 通过cd选择到whl所在文件夹 -> 键入pip install tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl回车,就可以等待Python自动安装了。
当然以后也可能要用到其他whl,可以在这个链接里面找你需要的文件,选择对应的操作系统和Python版本就可以了,http://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv
因为tensorflow中文网站的代码是Python2.7下的,所以Python3不能直接使用。这里我把官网第一篇平面拟合三维数据的代码改了一下。
代码:
import tensorflow as tf
import numpy as np
# 使用 NumPy 生成假数据(phony data), 总共 100 个点.
x_data = np.float32(np.random.rand(2, 100)) # 随机输入
y_data = np.dot([0.100, 0.200], x_data) + 0.300
# 构造一个线性模型
#
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b
# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
# 初始化变量
init = tf.initialize_all_variables()
# 启动图 (graph)
sess = tf.Session()
sess.run(init)
# 拟合平面
for step in range(0, 201):
sess.run(train)
if step % 20 == 0:
print (step, sess.run(W), sess.run(b))
# 得到最佳拟合结果 W: [[0.100 0.200]], b: [0.300]
运行后得到:
0 [[ 0.55157125 -0.49944645]] [ 0.80461264]
20 [[ 0.06628663 0.04882991]] [ 0.39112675]
40 [[ 0.07519965 0.16086708]] [ 0.33194694]
60 [[ 0.09028707 0.18783146]] [ 0.31097454]
80 [[ 0.09656974 0.19596238]] [ 0.30374929]
100 [[ 0.09881932 0.198634 ]] [ 0.30127895]
120 [[ 0.09959642 0.1995353 ]] [ 0.30043608]
140 [[ 0.09986231 0.19984168]] [ 0.30014867]
160 [[ 0.09995303 0.19994602]] [ 0.30005071]
180 [[ 0.09998401 0.19998161]] [ 0.30001727]
200 [[ 0.09999455 0.19999374]] [ 0.30000585]
至此测试成功!