aistarter助手程序未运行_师傅领进门之6步教你跑通一个AI程序！

欢迎大家前往腾讯云+社区，获取更多腾讯海量技术实践干货哦~

源码下载地址请点击原文查看。

初学机器学习，写篇文章mark一下，希望能为将入坑者解点惑。本文介绍一些机器学习的入门知识，从安装环境到跑通机器学习入门程序MNIST demo。

内容提纲：

环境搭建

了解Tensorflow运行机制

MNIST(手写数字识别 ) softmax性线回归

MNIST 深度卷积神经网络(CNN)

tools 工具类

CPU & GPU & multi GPU

学习资料

1 环境搭建 (Windows)

安装虚拟环境 Anaconda，方便python包管理和环境隔离。

创建tensorflow隔离环境。打开Anaconda安装后的终端Anaconda Prompt，执行下面命令

conda create -n tensorflow python=3.5 #创建名为tensorflow，python版本为3.5的虚拟环境

activate tensorflow #激活这个环境

deactivate #退出当前虚拟环境。这个不用执行

CPU 版本

pip install tensorflow #通过包管理来安装

pip install whl-file #通过下载 whl 文件安装，tensorflow-cpu安装包：http://mirrors.oa.com/tensorflow/windows/cpu/tensorflow-1.2.1-cp35-cp35m-win_amd64.whl, cp35是指python3.5

GPU 版本。我的笔记本是技持NVIDIA显卡的，可以安装cuda，GPU比CPU快很多，不过笔记本的显存不大，小模型还可以跑，大模型建议在本地用CPU跑通，到Tesla平台上训练。

注意点：选择正确的 CUDA 和 cuDNN 版本搭配，不要只安装最新版本，tensorflow可能不支持。

目前Tensorflow已支持到CUDA 9 & cuDNN 7，之前本人安装只支持CUDA 8 & cuDNN 6，所以用是的：

cudnn 6 https://developer.nvidia.com/... ，将cudnn包解压，把文件放到cuda安装的对应目录中，C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0，bin对应bin，include对应include，再添加bin目录到环境变量path中。

pip install tensorflow-gpu #通过包管理来安装

pip install whl-file #http://mirrors.oa.com/tensorflow/windows/gpu/tensorflow_gpu-1.2.1-cp35-cp35m-win_amd64.whl

一些python工具包安装。用到啥安啥就行， pip install，不行就找源码编译安装

(tensorflow) D:\> pip install opencv-python #opencv, tensoflow 虚拟环境中

(tensorflow) D:\> pip install scipy #图片读取写入，scipy.misc.imread

(tensorflow) D:\> pip install Pillow #PIL/Pillow，这里有个坑，压缩过的PNG图，在1.x版本解析会出现透明通道质量下降，升级

2 了解Tensorflow运行机制

上代码。注意注释说明

import tensorflow as tf

hello_world = tf.constant('Hello World!', dtype=tf.string) #常量tensor

print(hello_world) #这时hello_world是一个tensor，代表一个运算的输出

#out: Tensor("Const:0", shape=(), dtype=string)

hello = tf.placeholder(dtype=tf.string, shape=[None])#占位符tensor，在sess.run时赋值

world = tf.placeholder(dtype=tf.string, shape=[None])

hello_world2 = hello+world #加法运算tensor

print(hello_world2)

#out: Tensor("add:0", shape=(?,), dtype=string)

#math

x = tf.Variable([1.0, 2.0]) #变量tensor，可变。

y = tf.constant([3.0, 3.0])

mul = tf.multiply(x, y) #点乘运算tensor

#logical

rgb = tf.constant([[[255], [0], [126]]], dtype=tf.float32)

logical = tf.logical_or(tf.greater(rgb,250.), tf.less(rgb, 5.))#逻辑运算，rgb中>250 or <5的位置被标为True，其它False

where = tf.where(logical, tf.fill(tf.shape(rgb),1.), tf.fill(tf.shape(rgb),5.))#True的位置赋值1，False位置赋值5

# 启动默认图.

# sess = tf.Session()

with tf.Session() as sess:

sess.run(tf.global_variables_initializer())#变量初始化

result = sess.run(hello_world) #Fetch, 获取tensor运算结果

print(result, result.decode(), hello_world.eval())#`t.eval()` is a shortcut for calling `tf.get_default_session().run(t)`.

#out: b'Hello World!' Hello World! b'Hello World!' #前辍'b'表示bytestring格式，decode解成string格式

print(sess.run(hello, feed_dict={hello: ['Hello']}))

#out: ['Hello']

print(sess.