客户端码农学习ML —— 工具框架Tensorflow及Android、iOS上初步实验

阅读全文请点击

与其上来就学习相对枯燥易让人放弃的数学，不如先做几个例子并在Android、iOS上初步实验熟悉下整个操作流程，通过实战激发下兴趣。

开发环境准备

首先安装Python，推荐Python3，装好后别忘了设置下载源镜像，不然安装各种包的时候下载速度很感人。

新建文件：~/.pip/pip.conf

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
use-mirrors = true
mirrors = https://pypi.tuna.tsinghua.edu.cn/simple

再安装Numpy、SciPy、Pandas、Matplotlib、Pil、TensorFlow 、scikit-learn等库，都是深度学习不可缺少的。

pip3 install --user numpy scipy matplotlib ipython jupyter pandas sympy nose

更多安装介绍可参考底部参考链接。

TensorFlow的安装，官方推荐在Linux系统里安装gpu版，但我们学习阶段在mac上安装cpu版即可，官方从1.2版本后就不再编译gpu版的mac安装包，需要自己从源码编译，由于深知cpu版训练很慢，我自己尝试编译了gpu版，在10.13系统上遇到不少坑，各种修改耗费大半天后终于编译成功，完整一次性编译成功在2014款15寸mbp高配上大约需要近1个小时，具体可参考底部参考资料。

但由于不明原因，在使用gpu训练时系统会卡住，甚至花屏，直到训练完成才能陆续恢复，因此在mac上学习推荐直接用官方编译的cpu版即可。

pip3 install tensorflow

Python IDE个人看习惯随意选择，TensorFlow安装后先来个Hello world脚本试试各组件是否完备：

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
sess.run(hello)
# 应该输出'Hello, TensorFlow!'
a = tf.constant(10)
b = tf.constant(32)
sess.run(a + b)
# 应该输出42
sess.close()

对于客户端程序员来说，Android、iOS的环境现成的。