Windows下TensorFlow安装及使用PyCharm简单调试

最新推荐文章于 2023-03-13 15:05:11 发布

iamfrankjie

最新推荐文章于 2023-03-13 15:05:11 发布

阅读量1.5k

点赞数

分类专栏： ML 文章标签： Python TensorFlow PyCharm Anaconda

本文链接：https://blog.csdn.net/iamfrankjie/article/details/80214931

版权

ML 专栏收录该内容

5 篇文章 1 订阅

订阅专栏

通过Anaconda安装TensorFlow

先安装Anaconda，记住安装目录，安装中有个添加到环境变量的，请打勾，其他省略。
安装完成后，允许cmd，创建一个名为tensorflow的环境(如果有提示升级，请按照命令先升级)：

conda create -n tensorflow pip python=3.5

完成后，激活环境：

activate tensorflow

在这个环境在安装TensorFlow， TensorFlow分CPU和GPU版，对于调试，我们一般选用CPU版，安装配置会简单很多：

pip install --ignore-installed --upgrade tensorflow

在PyCharm上运行

PyCharm安装略。
打开PyCharm，新建一个项目时，前往选择刚才创建tensorflow的环境：

这里写图片描述

创建完成后，执行以下脚本，来一个HelloTensorFlow吧：

import tensorflow as tf #导入tensorflow
hello = tf.constant('Hello, TensorFlow!') #定义一个常量
with tf.Session() as sess: #使用session
    print(sess.run(hello))  #打印出常量

shift+f10,运行查看到输出代表安装成功：
这里写图片描述

注：如果出现警告：

Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2

这块我们可以暂时忽略，设置下日志等级就可以不再显示了：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
import tensorflow as tf #导入tensorflow
hello = tf.constant('Hello, TensorFlow!') #定义一个常量
with tf.Session() as sess: #使用session
    print(sess.run(hello))  #打印出常量

##TensorFlow基本使用
###使用变量(Variable)

我们通过一个简单的运算来认识变量：

state = tf.Variable(1, name="counter") #定义变量counter
one = tf.constant(1) #定义常量为1
new_value = tf.add(state, one) #counter+1
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())  #全局变量初始化
    print(sess.run(state))  #counter为1
    print(sess.run(new_value))  #得到结果为2

注：官方教程中，使用的是tf.initialize_all_variables()，会出现警告：
(from tensorflow.python.ops.variables) is deprecated and will be removed after 2017-03-02.
Instructions for updating:
Use tf.global_variables_initializer instead.
只需按照提示替换为tf.global_variables_initializer()就可以了。

###同时取多个值(Fetch)
还是按照上面的代码，我们同时打印出state和new_value：

state = tf.Variable(1, name="counter") #定义变量counter
one = tf.constant(1) #定义常量为1
new_value = tf.add(state, one) #counter+1
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())  #全局变量初始化
    print(sess.run([state,new_value]))  # counter为1,得到结果为2，以数据形式输出

###使用占位符，在运行时传自定义值(Feed)
feed机制可以临时替代图中的任意操作中的 tensor 可以对图中任何操作提交补丁, 直接插入一个 tensor。
如下input1只是定义了类型，当会话运行时，再传入具体值。

input1 = tf.placeholder(tf.float32) #定义一个占位符
output = tf.multiply(input1, input1) #自己相乘
with tf.Session() as sess:  
    print(sess.run([output], feed_dict={input1:[7.0]})) #output为49，