TensorFlow—part1

TensorFlow—part1

基于中国大学生MOOC视频TensorFlow入门实操课程第一章，以及自己遇到的一些问题
慕课视频链接：https://www.icourse163.org/learn/youdao-1460578162?tid=1461280442#/learn/announce

---

---

前言

我基础比较差，虽然之前也学了高数线代什么的，但是可能对我来说还是难了点吧，没学好，直接去看官方的有点懵，然后是准备根据这个博客推荐的来学习https://tefuirnever.blog.csdn.net/article/details/110851159
也是他推荐的慕课

---

一、环境配置

可参考这个视频：https://www.bilibili.com/video/BV1Zt411T7zE?p=3
1.安装miniconda3（我试过下最新版的，但是用不了，所以还是用日月光华群里那个，好像是就那个新的不能用不知道为什么）。
2.安装VS，已经安装了就不用再装了。
3.换源
C盘用户目录下新建.condarc文件，我直接用QQ群里的那个不行，有那默认的就用不了就改了一下把默认的全删了。

channels:
show_channel_urls: true
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
report_errors: true

一定记得看自己电脑支不支持AVX指令集，如果不支持是不能装TensorFlow最新版的，1.5之后的好像都不能装，不过好像可以用源码什么的，我也不大清楚，没有去了解，一开始我试了好久，最后还是认命换了个U。
4.安装CPU版本
（1）打开anaconda prompt 命令行，执行：

python -m pip install --upgrade pip

（2）安装TensorFlow2.3CPU版本

pip install tensorflow-cpu==2.3.0 -i https://pypi.douban.com/simple/

5.安装GPU版本（要求其 CUDA ComputeCapability 须不低于 3.5，NVIDIA驱动程序需 418.x 或更高版本。）
（1）GPU版本有两个依赖库，对于 tensorflow2.3来讲，CUDA的版本需要是 10.1cudnn版本号需要不小于 7.6，装其他版本的可以自己去查。打开anaconda prompt 命令行，执行：

conda install cudatoolkit=10.1
conda install cudnn=7.6.5

（2）安装TensorFlow2.3GPU版本

pip install tensorflow-gpu==2.3.0 -i https://pypi.douban.com/simple/

6.编译环境
可以用jupyter notebook，也可以用自己电脑上有的Python软件
jupyter notebook自动补全（1）第一行添加%config IPCompleter.greedy=True。（2）也可以改配置，具体操作可以百度

二、入门

1.引言

传统编程

机器学习

2.一个神经元网络

根据X得到Y

X = -1.0, 0.0, 1.0, 2.0, 3.0, 4.0
Y = -3.0, -1.0, 1.0, 3.0, 5.0, 7.0

import tensorflow as tf
from tensorflow import keras
import numpy as np
#建立模型
model = keras.Sequential([keras.layers.Dense(units=1,input_shape=[1])])
model.compile(optimizer='sgd',loss='mean_squared_error')#optimizer优化，loss损失函数
#准备训练数据
xs = np.array([ -1.0, 0.0, 1.0, 2.0, 3.0, 4.0],dtype=float)
ys = np.array([-3.0, -1.0, 1.0, 3.0, 5.0, 7.0],dtype=float)
#训练模型
model.fit(xs,ys,epochs=500)#epochs训练次数
#使用模型
print(model.predict([10.0]))

loss逐渐变小，model.predict([10.0])模型输出不一定为19，可能是接近19的数，我有时候用jupyter notebook，有时候用pycharm

---

总结

这个慕课讲的还是挺通俗易懂的，对我来说算很友好了！！！