电脑崩了几次,tensorflow先后安装了几次,在这记录一下自己的安装流程以及心得,以便在以后电脑再崩的时候能最快的速度恢复。
首先是下载anaconda,其下载方式有两种,第一种方法在其官网下载,下载地址为:https://www.anaconda.com/download/,下载速度较慢,第二种方法使用清华的镜像下载,地址为:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ ,下载速度远高于官网下载速度。两者区别可自行百度,对我这种入门渣渣来说当然是哪个快就装哪个咯。
接下来需要考虑anaconda的版本,一方面由于anaconda的版本一直处于不断更新状态,在官网上下载会默认进入最新的版本下载,目前最新的anaconda5.3.1默认的是Python3.7,而tensorflow最新的是1.12.0,其仅支持Python3.6,由于下载的anaconda老是附带安装python,这里介绍一下如何在任意版本anaconda中搭建cpu版本的tensorflow环境。
这里先看一下安装anaconda时应当注意的事项:
在安装anaconda时,基本是一路next,但注意以下界面:
第一项是添加环境变量,将anaconda加入到系统环境变量中,不勾选的话需要自己添加,第二项是该版本的anaconda默认支持的Python版本,可选可不选,反正我们后续会根据自己的需要其创建任意Python环境。
(1)创建任意Python环境
在安装完后,打开开始菜单栏,输入cmd,打开命令行,输入conda create -n py36(此处为你创建的环境名字) python=3.6(可替换为你需要的版本)anconda ,proceed确定选项输入‘y’继续,其自动安装需要的包,等待即可。注意,当前的tensorflow最高支持3.6。
(2)激活创建的环境
在命令行中输入activate py36(你创建的环境名字),按回车键,激活后在命令行地址之前会出现你所命名的环境名称表示创建成功,此时可直接安装tensorflow,命令如下:pip install tensorflow,等待即可。注意以后所有的包都可以通过pip 或者类似的conda安装语句来实现,但注意必须在激活你所创建的python环境当中。
(3)tensorflow使用
两种打开形式,可以通过开始菜单,找到新安装的anaconda,其中有一项是带有你创建环境名字前缀的spyder,如我的是(py36)spyder,将其点开,输入需要执行的语句即可,这里提供以下语句,可直接复制过去看能否执行。结果如图右下角console内0.9181。此外还可以打开anaconda软件,如下,在applications on 中选择你创建的环境,打开spyder即可。
测试代码如下:
#获得数据集
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)import tensorflow as tf
#输入图像数据占位符
x = tf.placeholder(tf.float32, [None, 784])#权值和偏差
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))#使用softmax模型
y = tf.nn.softmax(tf.matmul(x, W) + b)#代价函数占位符
y_ = tf.placeholder(tf.float32, [None, 10])#交叉熵评估代价
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))#使用梯度下降算法优化:学习速率为0.5
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)#Session
sess = tf.InteractiveSession()#初始化变量
tf.global_variables_initializer().run()#训练模型,训练1000次
for _ in range(1000):
batch_xs, batch_ys = mnist.train.next_batch(100)
sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})#计算正确率
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))
执行结果如下:
(4)确认各个包的版本
依旧在命令行激活当前创建环境,输入pip list,显示当前已安装的各个包,其中包括tensorflow,tensorboard等。
以下是安装的时候涉及到的参考网站以及一些tensorflow资料:
- pip版本更新的问题命令行输入:python -m pip install --upgrade pip
- anaconda使用教程 https://blog.csdn.net/ITLearnHall/article/details/81708148
- windows10下用anaconda3安装tensorflow https://www.cnblogs.com/HongjianChen/p/8385547.html
- tensorflow的代码字典https://www.w3cschool.cn/tensorflow_python/tensorflow_python-slp52jz8.html
- tensorflow博客知识类似于代码字典https://www.cnblogs.com/wuzhitj/p/6648563.html
- tensorflow 相关简单使用 https://blog.csdn.net/dj0379/article/details/52851027