配置TensorFlow,官方教程:https://www.tensorflow.org/get_started/os_setup
安装了GPU版本的TensorFlow,还需要配置Cuda,关于Cuda安装看这里:https://www.tensorflow.org/get_started/os_setup#optional-install-cuda-gpus-on-linux
还需要一个Python编译器,这里我们使用Anaconda,Anaconda2对应Python2,Anaconda3对应Python3,我使用Anaconda3。Anaconda自带了一些常用的Python包,以及一些比较好用的Python编译器。
如果遇到任何报错,请参考:https://www.tensorflow.org/get_started/os_setup#common_problems
使用TensorFlow之前,要了解TensorFlow的基本知识:
1.使用图(graphs)来表示计算;
2.在会话(Session)中执行图;
3.使用张量(tensors)来代表数据;
4.通过变量(variables)来维护状态;
5.使用供给(feeds)和取回(fetches)来传入或者传出数据。
关于详细的基础使用,请参考:https://www.tensorflow.org/get_started/basic_usage, 太长不看的,至少看下代码以及代码的注释。
实例
目标是优化一个一次函数y = wx + b的权值w和偏置b,使得w和b接近给定的表达式y = 0.1*x + b
import tensorflow as tf
import numpy as np
import os
os.environ['CUDA_VISIBLE_DEVICES']='0'
config = tf.ConfigProto()
config.gpu_options.per_process_gpu_memory_fraction=0.2
sess = tf.InteractiveSession(config=config)
x_data = np.random.rand(100).astype("float32")
y_data = x_data * 0.1 + 0.3
W = tf.Variable(tf.random_uniform([1],-1.0,1.0))
b = tf.Variable(tf.zeros([1]))
y = W * x_data + b
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
init = tf.global_variables_initializer()
sess.run(init)
for step in range(201):
sess.run(train)
if step % 20 ==0:
print(step, sess.run(W), sess.run(b))
运行结果:
经过200次迭代,权重w已经接近预设值0.1,b 接近预设值0.3,实际上80次的时候已经收敛到很好的结果了