Tensorflow学习笔记1

Posted chaofn

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Tensorflow学习笔记1相关的知识,希望对你有一定的参考价值。

什么是TensorFlow? 

TensorFlow是Google开发的一款神经网络的Python外部的结构包, 也是一个采用数据流图来进行数值计算的开源软件库.TensorFlow 让我们可以先绘制计算结构图, 也可以称是一系列可人机交互的计算操作, 然后把编辑好的Python文件 转换成 更高效的C++, 并在后端进行计算.

Tensorflow 安装

Linux 和 MacOS 

本文将提到第一种最简单的安装方式, pip 安装. 使用 pip 安装的时候要确保你的 pip 已经存在于你的电脑中. 如果还没有安装 pip. 你可以在 Terminal 窗口中运行这个, 升级必要的组件:

# Ubuntu/Linux 64-位 系统的执行代码:
$ sudo apt-get install python-pip python-dev

# Mac OS X 系统的执行代码:
$ sudo easy_install --upgrade pip
$ sudo easy_install --upgrade six

 

CPU 版

激动人心的时刻到了, Tensorflow (0.12之后) 做了更新, 绕过了复杂的安装步骤, 如果你只需要安装 CPU 版本的 Tensorflow, 运行下面这个就好了:

# python 2+ 的用户:
$ pip install tensorflow

# python 3+ 的用户:
$ pip3 install tensorflow

注意: 你需要8.1或更高版的 pip 才能顺利安装.

GPU 版

Tensorflow 已经不再支持 mac 的 GPU 版了, 下面是 Linux 安装 GPU 版的说明. 说先安装 NVIDIA CUDA 必要组建.

$ sudo apt-get install libcupti-dev

然后确保你的 linux 上 pip 是可用的, 接着我们可以直接通过pip 安装:

$ sudo apt-get install python-pip python-dev   # for Python 2.7
$ sudo apt-get install python3-pip python3-dev # for Python 3.n

然后选择你想要cpu 或者 gpu 版本.

$ pip install tensorflow      # Python 2.7; CPU support (no GPU support)
$ pip3 install tensorflow     # Python 3.n; CPU support (no GPU support)
$ pip install tensorflow-gpu  # Python 2.7;  GPU support
$ pip3 install tensorflow-gpu # Python 3.n; GPU support

Windows

安装前的检查:

  • 目前只支持 Python 3.5/3.6 (64bit) 版本
  • 你有安装 numpy (没有的话,请看这里numpy 安装教程)

接下来惊心动魄啦! 在 command 窗口中执行

# CPU 版的
C:\> pip3 install --upgrade tensorflow

# GPU 版的
C:\> pip3 install --upgrade tensorflow-gpu

注意,如果没有配置pip的环境变量,请进入安装的pip所在的目录下执行以上命令。例如(D:\ProgramData\Anaconda3\Scripts)

  • Windows 运行 Tensorflow 如果遇到这个报错:
Error importing tensorflow.  Unless you are using bazel,
you should not try to import tensorflow from its source directory;
please exit the tensorflow source tree, and relaunch your python interpreter
from there.

 

不要惊慌, 尝试下载安装 Windows 的 Microsoft Visual C++ 2015 redistributable update 3 64 bit. 就能解决这个问题.

ImportError: No module named _pywrap_tensorflow_internal

测试 

然后打开你的 python 编辑器, 输入

import tensorflow

 

运行脚本来检查一下是否有正确安装.

以上是关于Tensorflow学习笔记1的主要内容,如果未能解决你的问题,请参考以下文章

Tensorflow学习笔记(对MNIST经典例程的)的代码注释与理解

TensorFlow学习笔记 补充1——InteractiveSession

Tensorflow学习笔记---1--Python基本操作

TensorFlow学习笔记

学习笔记:python3,代码片段(2017)

资源 | 数十种TensorFlow实现案例汇集:代码+笔记