TensorFlow学习笔记（一）

开始学习TensorFlow

@Author：LF
@Date：2017-12-2

首先是安装，TensorFlow是运行在Linux上的框架，因此要先搞定Linux系统，那么我的系统是Win10家庭版，所以首要解决的问题是如何搞一个Linux的系统。解决这个问题一般有三种方法：VM、docker、双系统。

• 1、VM里的系统在性能上是大打折扣的，我的电脑是8G内存四核CPU，在虚拟机里运行一个Linux只能分配到2G内存。不太可行

• 2、docker是一个可行的解决途径，但是win10家庭版没有hyper-v（虚拟服务功能），无法直接从docker官网下载安装包正常安装，可以下载dockertool安装。
  非家庭版即拥有Hyper-v服务的教程地址：
  http://blog.csdn.net/shi1451042748/article/details/52996046

• 3、安装双系统也可以(教程网址：https://www.zhihu.com/question/19867618)，但是对磁盘容量要求比较高。我的磁盘容量只有500G，所以并没有首选这个方法。先试一试安装docker。

docker的安装过程

DockerTool下载网址：https://get.daocloud.io/toolbox/

这是一个云服务器上的下载地址，国内下载很快，后缀为.exe的可执行程序下载下来后根据提示安装。（安装过程中反正我是所有的勾都打了）

桌面生成了这三个图标，第三个据说是镜像库，第二个不知道干啥的，估计应该是一个虚拟机啥的。第一个就是Docker的终端，单击Docker的终端，第一次运行会自动生成一些目录下没有的文件夹之类的。但是

这一条信息显示它找不到这个默认的boot2docker.ISO文件，然后自动连接github那边的一个地址进行下载，然而会发现一个error，connection失败，然后就挂了。这里其实boot2docker.ISO文件已经在docker的安装目录下了，只需要将它复制到对应的目录下（第一次启动时候终端前两行会给它的查找目录，就是那个）一般默认C:\Users\Administrator.Docker\machine\cache这个目录。

然而并没有什么用。。。

这里继续提示ISO文件版本太低，继续下载最新的。然后依旧连接失败。

所以我选择自己下载。。。。。。（用迅雷是真的快。。。 ）

下载的地址在终端里已经显示了

https://github.com/boot2docker/boot2docker/releases/download/v17.11.0-ce/boot2docker.iso

然后把下载好的ISO文件如上面的步骤一样拷贝，再打开终端。

全程自动，然后出现以下界面则docker运行成功！

到这里Docker的安装就结束了。下面即要学习docker的使用并且在docker中导入包含TensorFlow的镜像

---

Docker安装TensorFlow

阿里云提供了一个镜像仓库，反正肯定够我用的了。

阿里云docker镜像仓库地址：https://dev.aliyun.com/search.html

我这里随便选了一个下载次数最多的，然后pull镜像到我的docker中：

docker pull registry.cn-hangzhou.aliyuncs.com/denverdino/tensorflow

pull完成，可以运行做这个镜像了（说实话目前我对容器和镜像这个东西并不是分得很清，倒是实例比较好理解，docker是容器，镜像是实例。）

docker运行镜像命令

docker run -it -p 8888:8888 --name=TensorFlowContainer registry.cn-hangzhou.aliyuncs.com/denverdino/tensorflow bash

选项-i进入终端，-t获得一个交互式的连接，通过获取container的输入，两个选项使得当前的窗口可以像一个linux的bash一样运行。 -p指定运行端口号，前面的8888指定windows主机端口号，后面的8888指定容器里系统的端口号。-name可不用，这里是自己起一个名字（应该是这个意思）然后接要启动的实例的名字，就是刚才pull下的。

当出现这个时，代表你已经进入了这个镜像中，相当于已经在使用Linux系统了。然后开始测试一下TensorFlow。

成功运行，虽然中途出现了几个warning。但是这是因为我pull的镜像中没有编译相关工具，不会影响我们的测试，以后进一步学习可以换镜像。

退出镜像：exit

在docker中查看已经存在的镜像：docker ps -a

---

TensorFlow的主要依赖包

当然之前各种下载的等待过程中看了下书，这里简单介绍下TensorFlow的主要依赖包Protocol Buffer（处理结构化数据的工具）和Bazel（自动化构建工具）。

Protocol Buffer

处理结构化数据的工具。那么啥是结构化数据？个人理解为和C++里面的Struct类型差不多，多种属性的数据构成一个大的东西就是结构化数据，比如一个人有年龄 姓名 出生日期等属性，那么某一个具体的人包含这些属性的Struct实例就相当于一个结构化的数据。而Protocol Buffer就是来处理这种数据的工具。和XML、Json很像。只不过书上说它的效率比较高，解析时间和数据大小都非常小。Protcol Buffer定义数据格式的文件一般保存在.proto文件中，而且还定义了每个属性的属性（比如required、repeat、optional等等感觉和网页开发里的标签的属性差不多 = .=），TensorFlow中的数据基本是通过Protocol Buffer来组织的。（上一次在南京的培训中跟着样例修改了一下神经网络中的某一层，里面的参数组织方式和JSON的数据格式非常相似（当时的想法），现在想想应该和Protocol Buffer有点关系）

Bazel

自动化构建的工具。书中将它和Makefile这些进行了一下小对比。那我估计他们属于同一类工具。Makefile我接触过一点点，是一个编译工具（虽然至今不太会用= .=），那Bazel应该就是一个用来编译源代码的工具。具体的原理以后深入了解了再说。