Tensorflow平台快速搭建：Windows 7+TensorFlow 0.12.0

Tensorflow平台快速搭建：Windows 7+TensorFlow 0.12.0

1、TensorFlow 0.12.0下载

        2016年11月29日，距离TensorFlow 宣布开源刚刚过去一年，支持 Windows7、10 和 Server 2016的新版本v0.12正式发布。

        下载地址：https://github.com/tensorflow/tensorflow/releases

2、TensorFlow v0.12.0介绍

2.1、主要特性和提升

        TensorFlow 现在可以在 Microsoft Windows 中开发和运行了（已知在 Windows 10、Windows 7、Windows Server 2016 中运行良好）。支持的语言包括 Python（通过 pip package）和 C++。支持 CUDA 8.0 和 cuDNN5.1 GPU 加速。目前已知的限制有：现在无法加载自定义指令库（custom op library）。不支持 CGS 和 HDFS 文件系统。

        下列指令无法实现：DepthwiseConv2dNative, DepthwiseConv2dNativeBackpropFilter, DepthwiseConv2dNativeBackpropInput, Dequantize, Digamma, Erf, Erfc, Igamma, Igammac, Lgamma, Polygamma, QuantizeAndDequantize, QuantizedAvgPool, QuantizedBatchNomWithGlobalNormalization, QuantizedBiasAdd, QuantizedConcat, QuantizedConv2D, QuantizedMatmul, QuantizedMaxPool, QuantizeDownAndShrinkRange, QuantizedRelu, QuantizedRelu6, QuantizedReshape, QuantizeV2, RequantizationRange, 和 Requantize。

        Go：Go 中的实验 API 可以创建和执行图表（https://godoc.org/github.com/tensorflow/tensorflow/tensorflow/go）

        新的 checkpoint 格式现在是 tf.train.Saver 中的默认值。旧 V1 chekpoint 仍然可读; 由 write_version 参数控制，tf.train.Saver 现在默认写入新的 V2 格式。这种方式显著降低了恢复期间所需的内存峰值，同时降低了延迟。

        为无矩阵（迭代）解算器增加了新的库，支持 tensorflow/contrib/solvers 中的线性方程、线性最小二乘法，特征值和奇异值。最初的版本具有 lanczos 双对角化（bidiagonalization）、共轭梯度和 CGLS。

        为 matrix_solve_ls 和 self_adjoint_eig 增加了梯度。

        对原有内容进行了大量清理，为具有 C ++梯度的运算添加二阶梯度，并改进现有梯度，使大多数运算现在可以多次微分。

        增加了常微分方程的求解器：tf.contrib.integrate.odeint。

        用于具有命名轴的张量的新 contrib 模块，tf.contrib.labeled_tensor。

        TensorBoard 中嵌入（embedding）的可视化。

2.2、主要 API 改进

        BusAdjacency 枚举被协议缓冲 DeviceLocality 代替。总线索引现在从 1 而不是 0 开始，同时，使用 bus_id==0，之前为 BUS_ANY。

        Env::FileExists 和 FileSystem::FileExists 现在返回 tensorflow::Status 而不是一个 bool。任何此函数的调用者都可以通过向调用添加.ok（）将返回转换为 bool。

        C API：TF_SessionWithGraph 类型更名为 TF_Session，其在 TensorFlow 的绑定语言中成为首选。原来的 TF_Session 已更名为 TF_DeprecatedSession。

        C API： TF_Port 被更名为 TF_Output。

        C API: 调用者保留提供给 TF_Run、 TF_SessionRun、TF_SetAttrTensor 等的 TF_Tensor 对象的所有权。

        将 tf.image.per_image_whitening() 更名为 tf.image.per_image_standardization()。

        将 Summary protobuf 构造函数移动到了 tf.summary 子模块。

        不再使用 histogram_summary、audio_summary、 scalar_summary，image_summary、merge_summary 和 merge_all_summaries。

        组合 batch_ *和常规版本的线性代数和 FFT 运算。常规运算现在也处理批处理。所有 batch_ * Python 接口已删除。

        tf.all_variables，tf.VARIABLES 和 tf.initialize_all_variables 更名为 tf.global_variables，tf.GLOBAL_VARIABLES 和 tf.global_variable_initializers respectively。

2.3、Bug 修复和其他的变化

        使用线程安全版本的 lgamma 函数。

        修复 tf.sqrt 负参数。

        修正了导致用于多线程基准的线程数不正确的错误。

        多核 CPU 上 batch_matmul 的性能优化。

        改进 trace，matrix_set_diag，matrix_diag_part 和它们的梯度，适用于矩形矩阵。

        支持复值矩阵的 SVD。

3、Tensorflow平台的搭建

        下面给出一种离线安装方式：windows 7 64位、CPU。

3.1、windows平台上一些工具的安装

        TensorFlow supports only 64-bit Python 3.5 on Windows Now.

        也就是说目前的windows版本tensorflow只支持64位的python3.5，这是前提。

（1）python3.5的下载与安装     

  

        python3.5下载地址：https://www.python.org/downloads/release/python-352/

        python3.5安装后（注意：设置自动设置环境变量），pip会自动安装好。

        cmd中可以执行python或pip分别确认它们是否安装成功。

（2）numpy的下载与安装

 

        numpy的下载地址：http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy

        用pip安装numpy，执行：

pip install xxxxxxxxxxxx

（3）、protobuf的下载与安装

        protobuf的下载地址：https://pypi.python.org/pypi/protobuf/3.1.0.post1

（注意：此链接下载出来的仍是3.0.0版本，而不是需要的3.1.0版本，请官网上更新后下载使用）

        用pip安装protobuf，执行：

pip install xxxxxxxxxxxx

（4）、six的下载与安装

        six的下载地址：https://pypi.python.org/pypi/six/#downloads

        用pip安装six，执行：

pip install xxxxxxxxxxxx

（5）、wheel的下载与安装

        wheel的下载地址：https://pypi.python.org/pypi/wheel/0.30.0a0

        用pip安装wheel，执行：

pip install xxxxxxxxxxxx

        说明：上述安装的numpy、protobuf、six和wheel均是安装tensorflow所需要的依赖包，否则下一步将提示相关错误，其实直接安装tensorflow包，后面提示什么错误，然后去解决提示的问题也是一种不错的方法。

3.2、下载与安装tensorflow

        tensorflow的windows版本包括CPU版本和GPU版本，请下载对应的版本进行安装。

        CPU版本tensorflow下载网址：

https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-0.12.0-cp35-cp35m-win_amd64.whl

或

https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-0.12.0rc0-cp35-cp35m-win_amd64.whl

        GPU版本tensorflow下载网址：

https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl

或

https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0rc0-cp35-cp35m-win_amd64.whl

        利用pip安装tensorflow非常简单，只需要执行：

pip install xxxxxx

3.3、测试tensorflow是否安装成功

        执行下面程序，若成功，则说明tensorflow安装成功。

$ python
...
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42
>>>

4、tensorflow学习资源

        github上的tensorflow：https://github.com/tensorflow/tensorflow

        github上的tensorflow会给出不同平台的安装方法等以及常见问题的解决方法，是一个非常有用且必须关注的一个网站。

        TensorFlow中文社区：http://www.tensorfly.cn/

TensorFlow中文社区中的重要资源莫过于“手册”与“教程”，深入浅出地介绍了tensorflow的理论与实践相关知识，是所有学习tensorflow研究者的重大福利。强力推荐！！！

        因为网站上很多教程都具有普适性，没有真正地去“玩玩”，永远不可能发现里面潜在的问题，所以接下来的博文将主要参考TensorFlow中文社区，记录一下学习笔记，主要是按照教程学习tensorflow所遇到的问题以及解决方法，权且当做《TensorFlow中文社区》的修正版或实践版或参考版吧~