神经网络、TensorFlow简单介绍及TensorFlow在window下的安装

神经网络是当今为止最流行的一种深度学习框架, 他的基本原理也很简单, 就是一种梯度下降机制. 

优化问题:牛顿法 (Newton’s method), 最小二乘法(Least Squares method), 梯度下降法 (Gradient Descent) 等等

1. 什么是TensorFlow:

TensorFlow是Google开发的一款神经网络的Python外部的结构包, 也是一个采用数据流图来进行数值计算的开源软件库.TensorFlow 让我们可以先绘制计算结构图, 也可以称是一系列可人机交互的计算操作, 然后把编辑好的Python文件 转换成 更高效的C++, 并在后端进行计算.

2. 为什么使用TensorFlow:

TensorFlow 无可厚非地能被认定为 神经网络中最好用的库之一. 它擅长的任务就是训练深度神经网络.通过使用TensorFlow我们就可以快速的入门神经网络, 大大降低了深度学习(也就是深度神经网络)的开发成本和开发难度. TensorFlow 的开源性, 让所有人都能使用并且维护, 巩固它. 使它能迅速更新, 提升.

参考:https://www.jianshu.com/p/e112012a4b2d

http://i.youku.com/pythontutorial

3. window下,基于python3+, 通过pip安装TensorFlow:

首先确定安装了 pip 、numpy,再确定电脑是 cpu 还是 gpu 型,在cmd输入

# CPU 版的
C:\> pip3 install --upgrade tensorflow    #python3+ (我的电脑上运行有错)

# GPU 版的
C:\> pip3 install --upgrade tensorflow-gpu

然后打开python编辑器,输入

import tensorflow

检查是否安装正确。

注:若是上面命令

pip3 install --upgrade tensorflow 

执行后,在cmd运行中出错,则可通过命令

 

pip3 install --upgrade --ignore-installed tensorflow 

进行安装,(我的电脑上是通过这个命令安装成功的)

参考链接: https://blog.csdn.net/Cs_hnu_scw/article/details/79695347  (此链接介绍了window和Linux下tensorflow的安装,可参考)

链接:https://blog.csdn.net/levy_cui/article/details/51251095 介绍了python使用tensorflow0.80遇到的问题及处理方法,评论较多,较好,可参考。

且通过在 IDLE 验证以下代码,成功输出hello,表明通过pip成功安装了tensorflow。

>>> import tensorflow as tf
>>> hello = tf.constant ('hello')
>>> sess = tf.Session()
>>> printf(sess.run(hello))

 

window下 pip 安装 tensorflow 时报错,参考以下链接未解决,但是有些电脑可参考一下:

 

https://www.cnblogs.com/liaojiafa/p/5100550.html

https://blog.csdn.net/wang7807564/article/details/78164855

https://blog.csdn.net/fk103/article/details/54233680

https://blog.csdn.net/ch7543658/article/details/44309853

4. TensorFlow更新:

先根据你的 python 版本, 在 terminal 中删除原有的版本

# 如果你是 Python 2, 请复制下面
pip uninstall tensorflow

# 如果你是 Python 3, 请复制下面
pip3 uninstall tensorflow

然后重复安装教程的步骤, 从头安装新版本.

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值