python minimize_Python与机器学习系列2：Tensorflow安装（仅限Windows）

一、Tensorflow的介绍

Tensorflow由Google开发，是GitHub上最受欢迎的机器学习库之一。Google几乎在所有应用程序中都使用Tensorflow来实现机器学习。

二、Tensorflow的安装

第一步：安装Anaconda

诚信待人谦虚做事：Python与机器学习系列1：Anaconda的下载与安装​zhuanlan.zhihu.com

第二步：在Anaconda中创建一个名为tensorflow环境

打开Anaconda Prompt，输入下述命令：

#检查当前Anaconda中内置的Python版本

第三步：下载安装Tensorflow

打开Anaconda Prompt，输入下述命令：

#激活tensorflow环境

第四步：使用Tensorflow编写第一段程序

闻道有先后，术业有专攻。作为新手的我们，建议先会模仿，再慢慢理解，当然了不理解也能用。

很多时候，我们只需知道”How to use“，而不用“Know why”，就可以解决很多实际问题。所以，不要慌、不要恐惧，勇敢迈出第一步。

首先，打开Anaconda Prompt，激活tensorflow环境：

#每次使用前都要激活tensorflow环境

其次，打开Anaconda提供的编译器Spyder：

以二元线性模型的拟合为例，介绍Tensorflow基本用法

# 导入使用涉及的包
import tensorflow as tf
import numpy as np

# 第一步：导入数据（实际可以从API接口导入数据或从本地文件导入）

# 使用numpy随即成1个2行100列的矩阵，2行代表有2个输入变量，100列表示每个输入变量都有100个取值
x_data = np.float32(np.random.rand(2, 100)) 
#根据特征变量生成输出变量
y_data = np.dot([0.200, 0.500], x_data) + 0.300

# 第二步：构造模型（y = w1*x1 + w2*x2 + b），但并不运行

#相当于截距项
b = tf.Variable(tf.zeros([1])) 
#相当于输入变量对应的参数矩阵，也是1行2列（因为有两个输入，所以参数也是两个）
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0)) 
#（y = w1*x1 + w2*x2 + b）的代码表达，tf.matmul表示矩阵乘法
y = tf.matmul(W, x_data) + b

# 定义损失函数和优化方法：用来判断所估计的W和b是否是最优的，判断标准就是使实际值与
预测值最小
loss = tf.reduce_mean(tf.square(y - y_data))#损失函数
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

# 第三步：训练模型
#tensorflow要求模型运行必须要在创建会话后进行，只要记住先写sess = tf.Session() 就好了
sess = tf.Session() 
sess.run(tf.initialize_all_variables()) #初始化变量

# 训练200次（0到199，每次循环增加1）
for step in xrange(0, 200):
    sess.run(train)
    if step % 20 == 0:
        print step, sess.run(W), sess.run(b)

#使用结束后关闭tensorflow环境 
deactivate tensorflow