深度学习：Tensorflow基础介绍以及安装

深度学习

应用场景：

深度学习，如深度神经网络、卷积神经网络和递归神经网络已被应用
计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域
并获取了极好的效果。

	机器学习	深度学习
算法	分类：神经网络（简单）	神经网络（深度），图像：卷积神经网络，自然语言处理：循环神经网络

深度学习框架：

认识Tensorflow

Tensorflow特点

1、真正的可移植性
引入各种计算设备的支持包括CPU/GPU/TPU，以及能够很好地运行在移动端，
如安卓设备、ios、树莓派等等

2、多语言支持
Tensorflow 有一个合理的c++使用界面，也有一个易用的python使用界面来构建和
执行你的graphs，你可以直接写python/c++程序。

3、高度的灵活性与效率
TensorFlow是一个采用数据流图（data flow graphs），用于数值计算的开源软件库
能够灵活进行组装图，执行图。随着开发的进展，Tensorflow的效率不算在提高

4、支持TensorFlow 由谷歌提供支持，谷歌投入了大量精力开发 TensorFlow，它希望
TensorFlow 成为机器学习研究人员和开发人员的通用语言

在图像处理中gpu的计算能力和处理能力快于cpu。所以在安装TensorFlow时可以安装gpu或者cpu的版本。

Tensorflow cpu版本环境搭建

1.首先安装python
下载python3.7
https://www.python.org/downloads/mac-osx/
通过python检查是否安装

2.然后通过pip进行tensorflow

pip install tensorflow

3.python ide
https://www.spyder-ide.org

4.测试第一个程序

$ python
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, Tesorflow')
>>> sess = tf.Session()
>>> print(sess.run(hello))

TensorFlow gpu环境搭建

1、安装虚拟环境virtualenv相关配置(创建了python3.5的环境)

2、http://docs.nvidia.com/cuda/cuda-installation-guide-linux/#axzz4VZnqTJ2A，这个⽹址去
检查相关配置系统是否满⾜CUDA要求，之后去官⽹下载cuda*.deb⽹络版本，这⾥⾯有驱动程
序，还有别的本地下载⽅式可以根据选择下载

然后就可以等很久了，如果前期检查不通过的话，这⼀步会有问题

3、去.bashrc配置CUDA相关环境
source .bashrc

4、检查是否安装成功
$ cd /usr/local/cuda-8.0/samples/5_Simulations/nbody
$ sudo make
$ ./nbody

If successful, a new window will popup running n-body simulation.

5、下载cuDNN:cudnn-8.0-linux-x64-v5.1.tgz

然后运⾏以下命令
$ tar -xzvf cudnn-8.0-linux-x64-v5.1.tgz
$ sudo cp cuda/include/cudnn.h /usr/local/cuda/include
$ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64
$ sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

6、在3.5版本的环境中安装TensorFlow（我们使⽤的是1.0.1版本）
pip install tensorflow-gpu==1.0.1 --trusted-host pypi.douban.com

官方教程地址：https://ngc.nvidia.com/catalog/containers/nvidia:tensorflow

程序所需构建⼯具安装：