tensorflow安装教程windows,怎么知道tensorflow有没有安装成功
安装说明
平台:目前可以安装在Ubuntu、Mac OS、Windows上。
版本:提供gpu版本和cpu版本。
安装模式:pip模式和Anaconda模式
小贴士:
目前Windows上支持的python3.5.xgpu版本需要cuda8 cuda8,cudnn5.1安装进度。
2017/3/4进展:
Anaconda 4.3(对应python3.6)正在安装,再次卸载,什么都没有了。
2017/3/5进度:
Anaconda 4.3(对应python3.6)get
蟒蛇中的Python3.5.2get
张量流1 . 0 . 0获取
行文思路
看别人的教程,总会遇到一些不熟悉的名词,让人望而生畏。
所以简单从名词解释开始。
然后描述了TensorFlow的安装和一个简单的例子。
正如我自己的笔记,
也希望wxdggx能和我一样,看到这个教程,觉得很流畅!
CUDA
CUDA(计算统一设备架构)是显卡厂商NVIDIA推出的运算平台。CUDA是NVIDIA推出的通用并行计算架构。这种架构使GPU能够解决复杂的计算问题。它包含CUDA指令集架构(ISA)和GPU内部的并行计算引擎。开发人员现在可以使用C语言为CUDA架构编写程序。c语言是应用最广泛的高级编程语言。然后,编写的程序可以在支持CUDA的处理器上以超高性能运行。CUDA3.0已经开始支持C和FORTRAN。
计算行业正在从单纯的CPU“中央处理”向CPU与GPU并用的“协同处理”发展。为了创造这种新的计算范式,NVIDIA发明了CUDA(计算统一设备架构),这是一种编程模型,以便在应用程序中充分利用CPU和GPU的各自优势。现在,这种架构已经应用于GeForce(精视)、ION(翼扬)、Quadro以及Tesla GPU(图形处理器)。
来自百度百科。
(所以我不能用我的a卡)
Anaconda
Anaconda是Python支持的领先的开放数据科学平台。Anaconda的开源版本是Python和R的高性能分发版本,包括100多个最流行的用于数据科学的Python、R和Scala软件包。
从Anaconda的官方下载页面
详见Anaconda官方教程,简单易懂!
Anaconda初步学习
0.下载Anaconda安装包:Anaconda官方下载地址
我下载了anacond 4 . 3 . 0 for Windows 64 bit(内置python3.6)
下载完就安装,继续下一步。
1.检查Anaconda是否成功安装:conda - version
(嘻嘻,第一步成功了,开心点)
2.检查当前安装了哪些环境:conda info - envs
(只有一个!别怕,继续来!)
3.查看目前可以安装哪些版本的python:康达搜索-全名python
有这么多。你想要哪一个?嘻嘻当然是python3.5)
4.安装不同版本的Python:conda create-name tensor flow Python=3.5
(猜测输入Python=版本后,系统会自动选择一个3.5.x的版本)
(要不要python3.5.3?实验室的服务器上是3.5.2。好吧!)
(好,走!)
(嘻嘻!好吧!离成功又近了一步!)
5.根据提示激活它:激活tensorflow
(嘻嘻,它有个小帽子~代表我现在的环境)
6.确保名为tensorflow的环境已成功添加:conda info - envs
(Bravo!)
7.在新环境中检查python版本:python - version
(开心开心~)
8.退出当前环境:停用
(小帽子掉了)
9.切换环境:激活张量流
激活你想切换到哪个环境~
既然本文安装了tensorflow,当然需要avtivate tensorflow!
妖精!我来了!
PS:更多信息请看Anaconda官方教程,通俗易懂,简单易用!不要搜网上教程,没有官方教程看着清爽!
TensorFlow安装
本文将tensorflow安装在原生windows系统上,
使用anocanda安装方法,
cpu版本装的(嗯,作为AMD的显卡,掩面而泣)
蟒蛇4.3.0.1(带python3.6)
Python3.5.2包含在Anaconda中。
今天的主角来了!(噼啪声)
1.根据官网的说明:
pip安装-忽略-已安装-升级https://storage . Google APIs . com/tensor flow/windows/CPU/tensor flow-1 . 0 . 0-cp35-cp35m-win _ x86 _ 64 . whl
好吧,先是打错了,然后是这个!我不知道该怎么办了(o)/~~)
2.另一种尝试:pip安装tensorflow
(重点,原来是这样的!是我的AMD卡,对应的不一样!)
3.确认tensorflow安装成功:
错误:直接在cmd中键入python,然后键入import tensorflow作为tf。
(小伙子,默认是python3.6,啊啊啊啊啊啊啊啊啊啊啊啊。你得输入你刚从anaconda安装的python3.5!~)
试试:输入Anaconda提示符-python,进入安装环境名为tensorflow(我们安装了python3.5.2,记得吗?~),键入python,然后键入import tensorflow作为tf。
Anaconda提示——python可以在此处找到:
打开Anaconda Navigator(开始菜单-Anaconda 3-Anaconda Navigator),玩spyder,点击spyder下的“安装”。一旦安装,就会变成“发射”。点一下就可以进去了。
向spyder中的tensorflow问好!
输出:
(呵呵呵呵哈哈哈,感觉成功了!你呢?~~)
参考tensorflow官方文档,请上英文官网。中国社区似乎没有更新windows上的安装。
TensorFlow例程上手
新东西装了,先用吧!
什么概念?运行完第一个小程序再看!
找个成就感继续!
示例来源:面向ML初学者的MINIST
MINST数据集:
5000个训练集,10000个测试集,5000个验证集。每张图片是28像素* 28像素码:
#从tensor flow . examples . tutorials . mnist导入数据集input _ datamnist=input _ data . read _ data _ sets( mnist _ data/,One _ hot=true)导入张量流作为TF #输入图像数据占位符x=tf.placeholder (tf.float32,[none,784]) #权重和偏差W=tf。Variable(tf.zeros([784,10]))b=TF . variable(TF . zeros([10]) #使用softmax模型y=tf.nn.softmax (tf.matmul (x,w) b) #代价函数占位符y _=TF . float 32,[none,10])#交叉熵评价代价cross _ entropy=TF . reduce _ mean(-TF . reduce _ sum(y _ * TF . log(y),Reduction _ indicators=[1minimize(cross _ entropy)# SESSION SESS=TF . interactive SESSION()# Initialize变量TF . global _ variables _ initializer()。Run () #训练模型,训练1000次for _ in range(1000): batch_xs,Batch _ ys=mnist . Train . next _ Batch(100)sess . run(Train _ step,feed _ dict={x: batch _ xs,y _: batch _ ys}) #计算正确的rate _ prediction=TF . equal(TF . arg max(y,)Tf.argmax (y _,1))精度=TF . reduce _ mean(TF . cast(correct _ prediction
结语
昨天,我花了一天的大部分时间来部署环境,我发现除了一片混乱之外什么也没有。今天再战,就边做边写,好像和旁边的人聊天。嗯,心情好的时候很容易做出事情。时间很宝贵,但我还是希望你的学习曲线不要太陡,希望你能愉快地进入新的领域。
相关资料汇总
Anaconda官方下载地址Anaconda官方教程TensorFlow官方安装教程第一个例子小程序MINIST识别
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。