【tensorlfow2】安装及简介全连接神经网络

【tensorlfow】全连接神经网络FC-DNN

---

一、[Win10+Anaconda+Tensorflow2.0安装教程

（手把手带你安装tensorflow）]：2019年发布，有问题

• 【安装成功】详细的tensorflow2.0.0安装，及查看tensorflow版本 2021年
  - win10环境,anaconda3(内置的python3.7.3)，tensorflow2.0安装教程

1.检测已经安装的环境

：conda info --envs

这里如果没有新建其他环境的话，就只有一个默认的anaconda中的root环境。
查看当前有哪些可以使用的python版本：conda search --full --name python
但是会出现一个warning，因为当前环境(base),并没有激活,但在anaconda prompt下，运行python，就不会有warning。如果不想出现warning，需要激活环境，输入命令：activate base，后面会介绍。
查看当前有哪些可以使用的tensorflow版本：conda search --full --name tensorflow

2.创建tensorflow虚拟环境

命令：conda create --name tf1.12.0.0 python=3.7

其实python3.7版本也是可以的。先以Python3.6为例。
tf2.0.0是虚拟机的名字，这个可以自己定义。接下来顺利的话会看到进度条。
删除环境
执行如下命令即可：

conda remove -n tf1.15.0 --all

3.激活

安装完成会出现下面的页面，此时应激活虚拟环境
命令：conda activate tf1.12.0.0

-(base) C:\Users\谢思琪>conda activate tf1.12.0

（取消激活：conda deactivate
-(tf2.0.0) C:\Users\谢思琪>conda deactivate）

在当前TensorFlow环境下检验Python的版本，

-(tf2.0.0) C:\Users\谢思琪>python --version

是3.7.4。而anaconda内置的Python版本是3.7.3，这更进一步检验TensorFlow激活成功

4、 安装tensorflow

在虚拟环境中输入命令：

-(base) C:\Users\谢思琪>conda activate tf2.0.0
-(tf2.0.0) C:\Users\谢思琪>pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

使用的是清华镜像，这样安装会提高速度。，等待一段时间即可。
默认源的速度可能非常慢。
或者采用的安装方法就是使用豆瓣的源进行安装，其他包一样适合
-i https://pypi.tuna.tsinghua.edu.cn/simple

pip install tensorflow==2.0.0-alpha0 -i https://pypi.doubanio.com/simple/

或者通过anaconda navigator里面安装包，或者在prompt里：

conda install tensorflow

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

【检测是否安装成功】
1、进入cmd命令窗口，（我的在tensorflow环境中才会显示）输入pip show tensorflow ,会显示出tensorflow的信息
2、安装完成后就直接在tensorflow环境中，输入“python”按回车键进入python命令行模式，的python里import tensorflow中测试是否可以import。然后再输入import tensorflow as tf ，不报错表示成功安装，
3、
//tensorflow2.0版本的验证方法
import tensorflow as tf
tf.compat.v1.disable_eager_execution()　＃保证sess.run()能够正常运行
hello = tf.constant(‘hello,tensorflow’)
sess= tf.compat.v1.Session()＃版本2.0的函数
print(sess.run(hello))

(tensorflow) C:\Windows\system32>python
Python 3.7.10 | packaged by conda-forge | (default, Feb 19 2021, 15:37:01) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> tf.compat.v1.disable_eager_execution()
>>> hello = tf.constant('hello,tensorflow')
>>> sess= tf.compat.v1.Session()
2021-03-19 18:03:00.052842: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
>>> print(sess.run(hello))
b'hello,tensorflow'

tensorflow1版本

import tensorflow as tf
print("Tensorflow.Version:",tf.__version__) 

【安装失败】在Anaconda中python 3.8下无法安装Tensorflow 2.0的问题
如果安装失败，可以尝试添加：
conda config --set channel_priority flexible
1
记事本打开’.condarc’查看config配置：

open .condarc
1
可以在里面直接进行删改操作，例如删除默认源等。

其他命令：
删除环境变量：

conda remove -n 环境变量 --all
1
复制一个环境变量：

conda create -n 新名 --clone 旧名

————————————————
版权声明：原文链接：https://blog.csdn.net/m0607aaa/article/details/113921940

2、在安装第三方库时出现以下提示：
You are using pip version 10.0.1, however version 20.0.2 is available.
解决方案如下：
在Anaconda Prompt中输入命令：conda install pip

CUDA安装
目前的深度学习框架大都基于 NVIDIA 的 GPU 显卡进行加速运算，因此需要安装NVIDIA 提供的 GPU 加速库 CUDA 程序。在安装CUDA 之前，请确认本地计算机具有支持 CUDA 程序的 NVIDIA 显卡设备，如果计算机没有 NVIDIA 显卡，如部分计算机显卡生产商为 AMD，以及部分 MacBook 笔记本电脑，则无法安装 CUDA 程序，因此可以跳过这一步，直接进入 TensorFlow 安装。
3、在import tensorflow as tf时遇到下列报错：

TypeError: Descriptors cannot not be created directly.
If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.
If you cannot immediately regenerate your protos, some other possible workarounds are:

Downgrade the protobuf package to 3.20.x or lower.
Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower).
重新安装protobuf，选择版本为3.20.* 便可解决该问题
pip install protobuf==3.20.*
————————————————

———————————————————————
更新tf版本
在anaconda下(base) C:\WINDOWS\system32>conda activate tf1.12.0
pip install --upgrade --ignore-installed tensorflow==1.15.5 -i https://pypi.douban.com/simple

5、将Tensorflow环境嵌入到编辑器中

环境：Tensorflow和Pycharm编辑器

步骤：

1：下载Pycharm软件，，这个的话下载安装都很简单，所以就不多说了

2：使用Pycharm创建一个项目
pycharm 终端内激活环境 activate tf1.12.0.0

---

conda create --name tf1.15-gpu python=3.6 y
conda activate  tf1.15-gpu

6、Windows同时安装tensorflow多个版本（tensorflow 2.0和tensorflow 1.x.x）

链接
在Anaconda安装Python2环境：conda create --name python27 python=2.7
在python2的环境下下载django

conda install django
conda create --name tensorflow-1.1.0 python=2.7
conda info --envs
activate tensorflow-1.1.0
pip install tensorflow==1.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
导入 keras，h5py，pandas包

解决办法
pip listkeras2.4.3（目前版本太高，需要降版本到2.2）
pip install keras2.2.4 -i https://pypi.douban.com/simple
查看Keras与TensorFlow版本对应网站https://docs.floydhub.com/guides/environments/
卸载 pip uninstall keras
————————————————

————————————————

二、Tensorflow2.0课程：

• 【北京大学】Tensorflow2.0
  6小时掌握Tensorflow2搭建优化神经网络的方法
  （1）视频中的课件链接：https://pan.baidu.com/s/1cOio1jWFIdGZF7f3Oqje4w
  提取码：4odu
  （2）源码下载链接：https://pan.baidu.com/s/19XC28Hz_TwnSQeuVifg1UQ 提取码：mocm
  在线源码：https://github.com/jlff/tf2_notes
  【参考】【北京大学】Tensorflow2.0搭建一个神经网络入门
• 北京大学TensorFlow笔记及实践：
  适合初学者及人工智能小白的北京大学tensorflow课程
  以下是课程目录：
  第一讲 人工智能概述
  第二讲 Python语法串讲
  第三讲 Tensorflow框架
  第四讲 神经网络优化
  第五讲 全连接网络基础
  第六讲 全连接网络实践
  第七讲 卷积网络基础
  第八讲 卷积网络实践
  第九讲 课程项目分享
  适合想要快速入手人工智能项目开发
  【参考】博主【北京大学】1 TensorFlow1.x中Python基础知识
• tensorflow2.0入门与实战 2019年最通俗易懂的课程
  系统讲解了Tensorflow2.0的使用，可以说是目前最新最系统的 Tensorflow 2.0 教程。本课程讲解Tensorflow中各种概念、操作和使用方法，针对Tensorflow的基础知识，在传统数据分析中应用进行详细讲解，并且给出了丰富的深度学习模型实战。
  【参考】csdn博主Better Bench

三、神经网络理论知识：

• 全连接神经网络(DNN)
  目录
  网络结构
  感知器
  神经网络的训练
    反向传播算法(BP)
    梯度下降算法
    DropOut
  python代码实现MNIST手写数字识别

• 【文献阅读】
  本文提出了一种BEM结合DL的方法。采用BEM结合CS的方法估计出导频处的CIR，再根据导频位置处的CIR使用线性插值得到数据位置处的CIR，再输入到经过训练的深度神经网络（deep neural network)中进行补偿，提高估计精度。

• 从深度神经网络（DNN）到卷积神经网络（CNN）
  4、如何用tensorlfow和keras框架搭建DNN CNN RNN神经网络实现MNIST手写数字识别模型：