倾心之作!天学网AI学院名师团队重磅推出的“玩转TensorFlow与深度学习模型”系列文字教程,本周要开始更新啦!
该教程将通过知识点讲解+答疑指导相结合的方式,让大家循序渐进的了解深度学习模型并通过实操演示掌握相关框架及TensorFlow工具使用。
快分享给您的小伙伴,和天学网AI菌一起来学习吧!
另外,大家在学习和实操过程中,有任何疑问都可以通过学院微信群进行提问,有专业导师和助教、大牛等为您解惑答疑。(入群方式在文末)
本周(第一篇)的教程中我们将教大家如何配置TensorFlow环境。 分为以下两大部分:
TensorFlow 的安装
- TensorFlow 介绍
- TensorFlow 常见安装方法介绍
- Anaconda 安装
- TensorFlow 安装
- 验证 TensorFLow 安装
TensorFlow 开发环境搭建
- 安装、使用 Jupyter Notebook
- Pycharm 配置
第一部分是要使用TensorFlow所必须的环节,第二部分是使用Python开发时的推荐环境配置,可以根据个人编程习惯选择进行。
- TensorFlow 介绍
TensorFlow是Google开发的Python深度学习框架,在2015年年底开源,在各种应用场景下都有丰富的应用。高层的API方便用户轻松构建和训练模型,降低了深度学习,机器学习的编程开发门槛,支持GPU加速和分布式计算。
以下是TensorFlow的官方介绍。
TensorFlow™是一个使用数据流图进行数值计算的开源软件库。图中的节点代表数学运算, 而图中的边则代表在这些节点之间传递的多维数组(张量)。这种灵活的架构可让您使用一个 API 将计算工作部署到桌面设备、服务器或者移动设备中的一个或多个 CPU 或 GPU。 TensorFlow 最初是由 Google 机器智能研究部门的 Google Brain 团队中的研究人员和工程师开发的,用于进行机器学习和深度神经网络研究, 但它是一个非常基础的系统,因此也可以应用于众多其他领域。
- TensorFlow 安装方法介绍
在安装之前应当首先确定安装哪种TensorFlow:
- 仅仅支持CPU的TensorFlow版本
- 支持GPU加速计算的TensorFLow版本
选择安装GPU版本对硬件和软件都有所要求,需要对应版本的Nvidia的GPU以及CUDA和cuDNN,比较复杂,这里不作介绍。
TensorFlow一般有四种安装方法:
- Virtualenv
- pip
- Anaconda
- 从源码编译安装
Virtualenv是一个独立的虚拟Python环境,将虚拟环境中的Python程序和实际主机中的Python程序隔离开来,不会相互影响。
直接使用pip安装会将TensorFlow直接安装在主机之中,可能与现有的Python库相互影响。
使用Anaconda可以创建一个虚拟环境,与第一种安装方式类似。
最后一种是通过源代码直接编译安装。
Anaconda是一个用于科学计算的Python发行版,支持Linux, Mac, Windows系统,包括了常用的用于科学计算的Python库,并且提供了包管理和环境管理的功能,比较方便,因此我们在这里使用Anaconda来进行TensorFlow的安装。
- Anaconda 安装
首先根据自己的电脑配置下载对应的Anaconda并安装。
在本教程中我们选择Anaconda Python 3.6版。
Mac 和 Linux使用命令行安装时,在命令行输入:
bash Anaconda-xxx.sh
注意将Anaconda-xxx.sh
更改为anaconda安装脚本的路径和文件名。 通过命令行安装过程中会弹出Do you wish the installer to prepend the Anaconda<2 or 3> install location to PATH in your /home/<user>/.bashrc
,输入yes
。安装完成后关闭命令行。
- TensorFlow 安装
TensorFlow为以下平台的64位系统提供了编译好的文件进行安装:
- MacOS X 10.11 (El Capitan) or later
- Ubuntu 14.04 or later
- Windows 7 or later
根据官网介绍,TensorFlow仅对以上系统提供支持。
Although you might be able to install TensorFlow on other laptop or desktop systems, we only support (and only fix issues in) the preceding configurations.
Windows
TensorFlow在Windows系统上支持 Python3.5.x 和 Python3.6.x,以下示范我们统一使用Python3.5。
从开始菜单查找Anacnoda Prompt
,点击后将开启命令行,在命令行依次输入以下命令:
conda create -n tensorflow python=3.5 numpy pip
activate tensorflow
pip install --ignore-installed --upgrade tensorflow
Ubuntu
在命令行输入以下命令:
conda create -n tensorflow python=3.5 numpy pipsource activate tensorflow
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-1.4.0-cp35-cp35m-linux_x86_64.whl
macOS
在命令行输入以下命令:
conda create -n tensorflow python=3.5 numpy pipsource activate tensorflow
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.4.0-py3-none-any.whl
常见问题
- 如果
conda create -n tensorflow python=3.5 numpy pip
过程出现错误,网络中断等,可以先输入conda remove -n tensorflow --all
然后再试一遍。 - 如果
pip install
过程中提示unexpected keyword argument 'transport_encoding'
请输入conda install -c anaconda html5lib
再试一遍。 - 验证 TensorFlow 安装
Mac 和 Linux :
打开文本编辑工具,将以下代码复制粘贴进去,并且另存为test.py
import tensorflow as tf
hello = tf.constant('Hello World')with tf.Session() as sess:
print sess.run(hello)
打开命令行,输入:
source activate tensorflow
python <path_to_test.py>
其中<path_to_test.py>
更改为对应的test.py的路径,输出Hello World
即为成功。
Windows:
系统通过Anacnoda Prompt
打开命令行,点击下载tensorflow_self_check.py
文件,输入:
activate tensorflow
python <path_to_tensorflow_self_check.py>
其中<path_to_tensorflow_self_check.py>
更改为对应的tensorflow_self_check.py
的路径。输出TensorFlow successfully installed.
即为成功。
- 安装、使用 Jupyter Notebook
Jupyter Notebook是一个交互式笔记本,支持运行 40 多种编程语言,是一个Web程序,可以使用浏览器进行交互式的编程。
Windows打开Anacnoda Prompt
输入activate tensorflow
,Mac和Linux在命令行输入source activate tensorflow
进入之前配置好的TensorFlow环境以后。 输入conda install jupyter
进行安装即可。
安装完成后输入jupyter notebook
即可启动Jupyter Notebook。默认端口号是8888,浏览器应当会自动打开,如果没有,请在浏览器中输入localhost:8888
。
点击New
按钮选择Python 3
将会打开一个新的窗口。
输入代码,按键盘上Ctrl + Enter
就会执行当前代码。
- Pycharm 配置
Pycharm是Python开发常用的IDE,如果你使用Python进行编程,强烈推荐安装Pycharm。 选择免费的Community版本就可以满足大部分人的需要了。下载地址:https://www.jetbrains.com/pycharm/download/#section=windows
由于使用的是Anaconda进行的TensorFlow安装,如果想在Pycharm中使用TensorFlow,需要进行进一步的设置。
首先打开Pycharm,第一次打开将出现以下界面:
点击Configure
之中的setting
,在弹出的窗口中选择Project Interpreter
然后点击Add Local
:
选择anaconda
目录下envs
目录中tensorflow
子目录中的Python程序。这里使用Python2.7是因为之前已经安装了,仅作为演示,具体路径和Python程序名称根据自己Anaconda的位置进行确认。
如何加入群?请先加小助手微信“aim366-1”,备注学校或者公司职位,从事或者研究关注哪个AI领域 越详细越好,通过审核后,会邀请进群。
下周一同一时间”玩转TensorFlow与深度学习模型”系列教程(二):使用单个神经元进行逻辑回归,请小伙伴们保持关注!
您的转发,是对我们最大的支持,动动手指,点击右上角分享出去,笔芯!