TensorFlow及model的安装

 

最近在学习深度学习的卷积神经网络，采用的学习框架是tensorflow框架。现在主要介绍一下自己再安装过程中遇到的问题及安装方法。

 一、基于python3.5的安装

安装tensorflow可以基于python安装，该方法在安装时首先要保证电脑上已经安装了python，并且是3点几的版本。然后在点击cmd打开任务管理器。输入pip install tensorflow即可。但是要注意安装时要确定Pip的版本是9.03以上，并且此时安装的tensorflow版本为最新版本，即1.60版本。如果pip的版本低于9.03升级方式为：python -m pip install --upgratde  pip。该方法基于python安装比较简单，但是在编写python代码时需要人为的导入对应的python运行时所需要的环境。


二、基于 anaconda的安装
anaconda是python的科学计算发行版本，内置数百个python使用的库函数，其中还包括许多机器学习的库以及一些数据挖掘的库。因此可以使用anaconda作为底层的python以及tensorflow的运行环境。对于anaconda的下载，大家可以登录其官网（www.continuum.io/downloads)。要注意版本与python的对应。官网下载的是最新版本的一般对应python3.6的运行环境。本文采用的3.4.2版本对应的是python3.5的运行环境。我在安装过程曾经出现过电脑以前安装过python3.5但是安装成最新版的5.1.0导致没有办法创建安装文件列表，后来改成新的3.4.2才创建出对应的安装列表。如果有安装之后遇到类似问题的可以参考一下。

 

安装过程：下载anaconda3.4.2版本的软件（下载链接）。根据电脑版本选择对应的版本。然后点击运行，下一步下一步即可。注意其中有一步一定要把两个复选框读勾上。

 

 

然后安装对应的tensorflow。具体指令如下：打开cmd然后输入如下指令：

 

 

 conda create -n tensorflow python=3.5.0

 activate tensorflow

python -m pip install --upgratde  pip

 pip install --ignore-installed --upgrade  https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.0.0-cp35-cp35m-win_amd64.whl

在安装时还可以通过pip install tensorflow == '1.6.0' (更改后面的数字安装对应的版本，示例中为对应的1.6版本）

关于tensorflow具体各个版本的whl文件见链接：tensorflow各链接版本

具体如下：

 

 

三、tensorflow中关于model的安装
对于tensorflow安装还有一部分是关于model的，model在低版本的tensorflow中存在，但是1.0以后的版本被踢出了作为一个第三方的软件包需要自行安装。安装的过程需要git tensorflow的官方源码（https://github.com/tensorflow/）。具体操作方式为：

 

 

git clone --recurse-submodules https://github.com/tensorflow/models

 

该指令有可能执行失败需要多执行几次。还与网速有关。我在安装时执行了最少5次才下载下来，所以在使用时要不断的运行。

或者直接进入我的百度云盘进行下载：https://pan.baidu.com/s/1vs7fbN8j03ErV9s9AbMkag 密码：97os。

然后将对应的文件放入\Anaconda3\Lib\site-packages\tensorflow  文件夹下面即可。

（还有一种方式安装低版本的tensorflow然后里面会自带对应的model，然后把model拷出来再升级对应的tensorflow。但是该方法不是解决问题较好的方法，因此不推荐使用。下面一行指令将会安装原始版的tensorflow(0.12版的）。其具体指令为：

 

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

）

四、测试
1.测试tensorflow:

可以在cmd命令行中输入：
import tensorflow as tf 
Hellow = tf.constant("hellow")
sess = tf.Session()

 

print(sess.run(hellow))

 

 

对应的输出为：hellow


2. 测试model：

model里面自带的有经典的GoogleInceptionNet模型。因此可以直接运行\Anaconda3\Lib\site-packages\tensorflow\models\tutorials\image\imagent下面的classify_image.py。该命令可以直接下载运行好的模型并识别对应的图片。其运行方式为：

进入Imagenet目录后运行classify_image.py脚本。具体为：

python classify_image.py --model_dir F:\Image   --image_file  F:\Image\timg.jpg结果为：（其中--model_dir表示模型将要下载的地址。 --image_file表示模型将要识别的图片）

对应的图片如下：

由识别结果可以看出：识别为teddy的概率为 0.35，识别为熊的概率为0.05结合图片模型识别的结果是可靠的。