1、环境搭建
(1)python解释器:
由于tensorflow支持的python版本问题,尽量不要安装过高版本的python;本实验中使用的python3.6
python官网:https://www.python.org/
找到所有版本,下载python3.6.4的win64版本的exe 安装包:
安装过程注意点击:
add to path
install for all users
(2)安装pycharm社区版
pycharm是主要用于程序开发的集成开发环境IDE,社区版为免费版本
官网:http://www.jetbrains.com/pycharm/download/index.html#section=windows
download默认下载最新版
点击previous versions可以下载历史发布版本
这里下载2018.2.4版本,下载后默认安装,首次打开会提示进行默认设置:
点击open,打开文件浏览器,在合适的目录下(最好路径没有中文),创建自己的工作文件夹
配置python解释器目录,找到之前安装的python,设置为pycharm默认使用的python
配置好后点击ok,测试python能否正常工作:
如上图,python能正常工作
(3)安装tensorflow及其依赖:
一般情况采用pip安装,但是国外的数据源比较慢,有两个办法更换源:
一、pip参数指定源连接:
在pip install 后添加 -i 参数:(如,使用清华的源)
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple numpy
二、修改pip的全局默认源:
在C:\Users\XXX下新建一个文件夹,重命名为pip。(.pip是在ubuntu下)
在pip文件夹里面新建一个文本文档,并重新命名为:pip.ini,需要修改后缀。
在pip.ini里面添加下面的信息(采用阿里云):
[global]
trusted-host = mirrors.aliyun.com
index-url = http://mirrors.aliyun.com/pypi/simple
其他国内源:
清华:https://pypi.tuna.tsinghua.edu.cn/simple
阿里云:http://mirrors.aliyun.com/pypi/simple/
中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/
华中理工大学:http://pypi.hustunique.com/
山东理工大学:http://pypi.sdutlinux.org/
豆瓣:http://pypi.douban.com/simple/
修改后安装可快速安装tensorflow:
在终端中输入
pip install tensorflow
默认安装cpu版本。
测试导入tensorflow,没有任何报错:
2、Mnist实验:
原始代码在tensorflow中文社区中,新手入门中,新手入门教程连接:
http://www.tensorfly.cn/tfdoc/get_started/introduction.html
我在其基础上加入了显示图片的代码,以便更直观的感受分类的效果:
具体代码见我的github:(以后bug会修改,比如今天的model文件夹没有)
https://github.com/nanfeng-dada/tensorflow_start
下载后放在pycharm打开的文件夹目录下,并创建一个model文件夹(bug后续修改)。由于要可视化图片,因此使用了matplotlib包,需自行安装(pip install matplotlib)
完成以上步骤后,运行nn_bp.py文件,注意pycharm右上角显示的文件为当前运行的文件:
输出提示正在下载数据集,如何好几次中断报错,提示request之类的问题,就是网络问题,数据是国外的服务器。多运行几次试试,还是不行的话我上传数据集到github。
显示的图片样例:
显示训练完成并开始测试:
按下enter继续:
预测的结果显示