tensorflow实验

本文详述了在Ubuntu 16.04上安装TensorFlow的完整步骤,包括安装Ubuntu、Anaconda,配置环境,安装VS Code并进行汉化,最后通过MNIST数据集进行机器学习实验,探讨了tensorflow识别手写数字的初步效果。
摘要由CSDN通过智能技术生成

1.安装Ubuntu 16.04 LTS

1.1.美化Ubuntu....

2.检查系统Python版本

脚本

3.安装Anaconda

下载地址

Anaconda下载地址

下载Python 2.7 version,实际安装后Python 3.7也安装了

下载完成后,在命令行进入到Anaconda2-2018.12-Linux-x86_64.sh文件所在的路径下,执行:

sudo bash Anaconda2-2018.12-Linux-x86_64.sh
Welcome to Anaconda3 5.0.0
In order to continue the installation process, please review the license    agreement.
Please, press ENTER to continue
>>>

然后,根据提示按回车继续。 

接下来,它会提示你是否接受协议,这里直接输入yes,再按回车即可(不要直接按回车,这样默认是no)

Do you accept the license terms? [yes|no]
[no] >>> yes

接下来会提示指定安装路径,这里可以使用默认的,也可以自己指定

Anaconda2 will now be installed into this location:
/home/username/anaconda2
- Press ENTER to confirm the location
- Press CTRL-C to abort the installation
- Or specify a different location below
- [/home/username/anaconda2] >>> /home/username/Software/anaconda2

然后就是等待安装进程完成,完成后会提示你是否要将Anaconda的安装路径添加到PATH环境变量中,输入yes就好了。

installation finished.
Do you wish the installer to prepend the Anaconda2 install location
to PATH in your /home/username/.bashrc ? [yes|no]

按照网上教程,实测还是需要手动添加到PATH中

sudo gedit ~/.bashrc

在文末添加

export PATH="/opt/anaconda2/bin:$PATH"

至此,Anaconda就安装好了,在测试Anaconda是否安装成功之前,我们需要先关闭当前的终端,重启开启另一个终端后,才可以进行测试,输入python来查看是否安装成功

$ python
Python 2.7.15 |Anaconda, Inc.| (default, Dec 14 2018, 19:04:19) 
[GCC 7.3.0] on linux2
Type "help", "copyright", "credits" or "license" for more information.

4.启动Anaconda

anaconda-navigator

5.配置Environments

Anaconda操作界面

点击Environments,在左下角点击Create

新建

创建完成后点击tensorflowsession,右方选择Not installed,并搜索tensorflow,安装之

tensorflow

同样的方法安装matplotlib

6.配置tensorflowsession

在左方切换到Home

右侧左上方,选择创建的tensorflowsession

安装tensorflow插件

安装Notebook和VS Code

7.配置VS Code

点击VS Code下方Lauch,启动VS Code

7.1汉化

VS Code 汉化

点击左方最下面的“插件”按钮,在上方输入Language,第二项是简体中文包,点击安装,安装完成后重启一下VS Code

7.2安装Python支持

安装Python支持

安装第1项"Python"和第3项"Python Extension Pack"

7.3配置Conda环境

打开项目目录,点击settings.json(工作区设置),设置python.pythonPath值为/home/username/.conda/envs/tensorflowsession/bin/python

点击左下方

Conda设置

在上方弹出菜单

选择上面新建的tensorflowsession

tensorflow实验环境已基本搭建完成。

8.MNIST实验

先来测试一下传说tensorflow视觉最简单的MNIST,什么是MNIST?就是给一堆手写数字图片,大概50K张,28×28,纯黑白点阵图进行tensorflow学习,完成后自己手写,看看tensorflow的识别情况。话不多说,做实验了。

在逻辑回归模型的 TensorFlow 实现实验中,我们可以看到以下几个方面的分析: 1. 数据准备 在逻辑回归模型的实验中,数据准备是非常重要的。我们需要准备训练数据和测试数据,并将它们转换为 NumPy 数组。在这个实验中,我们使用一个简单的数据集,它包含了一些特征和一个二元目标变量,我们使用这些特征来预测目标变量的值。 2. 模型定义 在 TensorFlow 中,定义模型需要定义输入和输出,然后定义权重和偏置项,并使用这些变量来定义输出。在逻辑回归模型中,我们使用交叉熵作为损失函数,并使用梯度下降优化器来最小化损失函数。在这个实验中,我们使用 sigmoid 函数来实现逻辑回归模型。 3. 模型训练 在模型训练阶段,我们使用 TensorFlow 训练模型。我们需要定义训练过程中的优化器和损失函数,并在训练过程中对模型进行迭代。在这个实验中,我们使用梯度下降优化器来最小化交叉熵损失函数,并对模型进行 1000 次迭代。 4. 模型测试 在模型测试阶段,我们使用 TensorFlow 测试模型。我们需要将测试数据传递给模型,并计算模型的准确性。在这个实验中,我们使用两个测试数据点来测试模型,并计算模型的准确性。 总的来说,逻辑回归模型的 TensorFlow 实现实验是一个非常简单的实验,但它可以帮助我们理解逻辑回归模型的基本概念,并了解如何在 TensorFlow 中实现逻辑回归模型。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值