|
|
第20行: |
第20行: |
| | | |
| ===安装方法=== | | ===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
| + | TensorFlow官网给出了4种安装方法,我们这里给出了常用的三种,大家根据情况选用: |
− | *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===
| + | *[[CentOS7利用pip快速安装TensorFlow]] |
− | *执行如下命令,安装pip和virtualenv: | + | *[[CentOS7利用docker安装TensorFlow]] |
− | $ sudo apt-get update
| + | *[[Ubuntu利用virtualenv安装TensorFlow]] |
− | $ 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
| |
− | >>> 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!
| |
− | *[[文件:t1-4.png]]
| |
− | == 第一个TensorFlow程序 ==
| |
− | *输入exit( )命令,退出python环境
| |
− | *执行以下命令:
| |
− | (tensorflow) cloud@ubuntu:~$ mkdir ai
| |
− | (tensorflow) cloud@ubuntu:~$ cd ai
| |
− | (tensorflow) cloud@ubuntu:~/ai$ vi hello.py
| |
− | *在hello.py文件中编写如下内容:
| |
− | import tensorflow as tf
| |
− | #先定义计算
| |
− | hello = tf.constant('Hello,TensorFlow!')
| |
− |
| |
− | #然后启动session开始计算
| |
− | sess = tf.Session()
| |
− | print sess.run(hello)
| |
− | *执行命令python hello.py,运行这个脚本
| |
− | *同样会看到刚才这个结果:
| |
− | *[[文件:t1-4.png]]
| |
− |
| |
− |
| |
− |
| |
− | >>>
| |
− | 引自[2]
| |
| | | |
| 返回 [[人工智能]] | | 返回 [[人工智能]] |
2018年8月9日 (四) 02:33的版本
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]
TensorFlow 的工作原理
TensorFlow是用数据流图(data flow graphs)技术来进行数值计算的。
数据流图是描述有向图中的数值计算过程。
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)。
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]
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。
安装方法
TensorFlow官网给出了4种安装方法,我们这里给出了常用的三种,大家根据情况选用:
返回 人工智能
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