TensorFlowNotes
github
面向普通开发者的机器学习入门
环境搭建
- 操作系统:以Window 64bit 为例(Window、MacOS、Linux都以支持TensorFlow安装)
- python环境搭建
- TensorFlow安装
python环境搭建
注意: 目前Window用户只能使用python3.5(64bit)。MacOS,Linux支持python2.7和python3.3+
具有python基础的可以跳过这一步(如果是Window环境,需要注意对应版本)。
无python基础的强烈推荐使用Anaconda(可以认为是python的集成环境)进行搭建:
- 下载地址,Anaconda3_4.2.0 对应 python3.5
- Window下安装 Anaconda 后(过程略),会自动将相关路径添加至环境变量中
- (新起的)命令行窗口中输入:conda list 可以查看已集成好的一些环境,如Python、Pip
- 如果你没有比较熟悉的用于开发Python的IDE,可以先使用自带的:Jupyter Notebook(在安装目录的子目录Scripts中即可找到)
知识点:要求了解 Anaconda 、 Pip、Jupyter Notebook 的基本使用
TensorFlow安装
Windows 环境下安装
CPU版本
“黑窗口”中运行指令:
pip install tensorflow
GPU版本
“黑窗口”中运行指令:
pip install tensorflow-gpu
由于GPU版本还需要进行对应环境的支持,因此暂不在本篇文章说明,我们仅安装CPU版本即可。
环境验证
可以在 python环境的黑窗口中运行:
无报错即表明以上环境皆安装成功,接下来可以准备正式开启TenserFlow之旅了。
前提条件和准备工作
主要是要求基本一定的 数学基础(本科课程能力)与python编程基础。你可以先刷一遍官方文档,也可以在后续的文章中,根据提到的知识点进行学习(对自己的知识体系进行查缺补漏)。
TensorFlow 基本概念
官方中文文档, 以下内容为个人笔记(概要)
使用 TensorFlow, 你必须明白 TensorFlow:
- 使用图 (graph) 来表示计算任务.
- 在被称之为
会话 (Session)
的上下文 (context) 中执行图. - TensorFlow 程序使用
tensor(张量)
数据结构来代表所有的数据。tensor 看作是一个 n 维的数组或列表. 一个 tensor 包含一个静态类型 rank, 和 一个 shape. - 通过
变量 (Variable)
维护状态. - 使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据.
TensorFlow 是一个编程系统, 使用图来表示计算任务. 图中的节点被称之为 op (operation 的缩写). 一个 op 获得 0 个或多个 Tensor
, 执行计算, 产生 0 个或多个 Tensor
. 每个 Tensor 是一个类型化的多维数组. 例如, 你可以将一小组图像集表示为一个四维浮点数数组, 这四个维度分别是 [batch, height, width, channels]
.
从Demo入手
以上的概念对于新手可能会有些抽象, 不过没关系,我们可以借助代码来理解。当前环境使用的是:
- Window 7 (64bit)
- TensorFlow 1.7.0
- Python 3.5.2 :: Anaconda 4.2.0 (64-bit)
构建并启动图
一个简单的矩阵相乘:
import tensorflow as tf
# 创