查看“TensorFlow简介”的源代码
←
TensorFlow简介
跳转至:
导航
,
搜索
因为以下原因,您没有权限编辑本页:
您所请求的操作仅限于该用户组的用户使用:
用户
您可以查看与复制此页面的源代码。
<p>TensorFlow的流行让深度学习门槛变得越来越低,只要你有Python和机器学习基础,入门和使用神经网络模型变得非常简单。TensorFlow支持Python和C++两种编程语言,再复杂的多层神经网络模型都可以用Python来实现,如果业务使用其他编程也不用担心,使用跨语言的gRPC或者HTTP服务也可以访问使用TensorFlow训练好的智能模型。[1]</p> == TensorFlow 的工作原理 == <p>TensorFlow是用数据流图(data flow graphs)技术来进行数值计算的。</p> <p>数据流图是描述有向图中的数值计算过程。</p> <p>有向图中,节点通常代表数学运算,边表示节点之间的某种联系,它负责传输多维数据(Tensors)。</p> <p>节点可以被分配到多个计算设备上,可以异步和并行地执行操作。因为是有向图,所以只有等到之前的入度节点们的计算状态完成后,当前节点才能执行操作。[1]</p> *[[文件:t1-1.png]] ==TensorFlow的安装[3]== ===软硬件环境 === *操作系统:Ubuntu 16.04 LTS *硬件支持:TensorFlow with CPU support only. 这个文档是针对在没有NVIDIA GPU的机器上安装TensorFlow来写的。安装过程非常快(5-10分钟),所以即使你有一个NVIDIA GPU,也推荐先按这种方法安装。 *在正式使用之前,如果你需要远程连接Ubuntu,则还需要在Ubuntu中安装ssh,具体请参考 [http://blog.csdn.net/zhm977863924/article/details/49908125 Ubuntu不能远程连接的解决方案] ===安装方法=== *TensorFlow官网给出了4种安装方法,我们这里采用最简单的virtualenv安装 *Virtualenv用来为一个应用创建一套“隔离”的Python运行环境。在实际开发中每个应用可能需要各自拥有一套“独立”的Python运行环境,virtualenv能够方便的为每个应用各自提供一个“独立”的Python运行环境,并且相互之间互不打扰。Virtualenv也是安装TensorFlow的神器。 ===具体步骤=== *执行如下命令,安装pip和virtualenv: $ sudo apt-get update $ sudo apt-get install python-pip python-dev python-virtualenv # for Python 2.7 $ sudo apt-get install python3-pip python3-dev python-virtualenv # for Python 3.n *创建一个新的virtualenv环境: $ mkdir tensorflow $ virtualenv --system-site-packages ~/tensorflow # for Python 2.7 $ virtualenv --system-site-packages -p python3 ~/tensorflow # for Python 3.n *[[文件:t1-2.png]] * 激活virtualenv环境: $ source ~/tensorflow/bin/activate # bash, sh, ksh, or zsh **执行完这条命令后,你的命令行会变成如下字样: (tensorflow)$ *确保pip已经安装(版本>=8.1): (tensorflow)$ easy_install -U pip *执行下列命令,在virtualenv 环境中安装TensorFlow: (tensorflow)$ pip install --upgrade tensorflow # for Python 2.7 (tensorflow)$ pip3 install --upgrade tensorflow # for Python 3.n (tensorflow)$ pip install --upgrade tensorflow-gpu # for Python 2.7 and GPU (tensorflow)$ pip3 install --upgrade tensorflow-gpu # for Python 3.n and GPU *用一个小的程序来验证安装: $ python # Python import tensorflow as tf hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() print(sess.run(hello)) **如果出现下列警告,可以忽略它:(它们仅表示在当前的电脑中,有一种更好的编译tensorflow库的方法) *[[文件:t1-3.png]] *如果系统输出如下,则证明TensorFlow安装成功,可以写TensorFlow程序了! == 第一个TensorFlow程序 == *$ python >>> import tensorflow as tf >>> hello = tf.constant('Hello, TensorFlow!') >>> sess = tf.Session() >>> print sess.run(hello) Hello, TensorFlow! >>> a = tf.constant(10) >>> b = tf.constant(32) >>> print sess.run(a+b) 42 >>> 引自[2] 参考文档: [1] 不会停的蜗牛 链接:http://www.jianshu.com/p/6766fbcd43b9 [2] TensorFlow 官方文档中文版 http://wiki.jikexueyuan.com/project/tensorflow-zh/get_started/os_setup.html [3] TensorFlow 官方文档 https://www.tensorflow.org/install/install_linux 返回 [[人工智能]]
返回至
TensorFlow简介
。
导航菜单
个人工具
登录
命名空间
页面
讨论
变种
视图
阅读
查看源代码
查看历史
更多
搜索
导航
首页
最近更改
随机页面
帮助
工具
链入页面
相关更改
特殊页面
页面信息