TensorFlow从0到1丨开篇:Hello TensorFlow !
我以官方文档为主线,开始对TensorFlow的学习。这期间会把我的理解进行持续的输出,作为《TensorFlow从0到1》系列。它不会止于翻译和笔记、语言和工具,而是坚持通过启发性的方式,循序渐进的构建理解,搭建一个坚实可靠的、连接“零基础”与“机器学习”领域之间的缓坡道,或许能帮你起步。
更期待一起探索的学习者都能开辟出自己的路,仅把这里作为一个参照。
除了TensorFlow文档之外,我还会参考(持续增加中):
- Neural Networks and Deep Learning(中译版),Micheal Nielsen
- CS231n: Convolutional Neural Networks for Visual Recognition(网易云课堂中文字幕),Fei-Fei Li
- Deep Learning(中译版),Ian Goodfellow,Yoshua Bengio and Aaron Courville
- 机器学习,周志华
- Python Cookbook(第3版)中文版,大卫·比斯利(David Beazley),布莱恩·K.琼斯(Brian K.Jones)
- 智能时代,吴军
- 终极算法,佩德罗·多明戈斯
- TensorFlow实战,黄文坚,唐源
关于机器学习如何重塑世界我就不啰嗦了,捡些实惠的与你分享。
根据麦肯锡全球研究院估计,截至2018年,仅美国就需要再培养14万~19万机器学习专家才够用,另外还需要150万有数据头脑的经理。
佩德罗·多明戈斯在《终极算法》一书中还说道:
一个懒惰又不那么聪明的计算机科学家,机器学习就是理想的职业,因为学习算法会完成所有事情,功劳却是你的。
Hello TensorFlow
在学习任何新的编程语言时,我们都会在第一时间完成Hello World,以宣告自己开发环境的完美搭建。TensorFlow也不例外。TensorFlow充分考虑了各种软/硬件平台上的安装,本篇记录了在我的笔电Win 10环境下的安装(在国内这应该是最常见的一种个人环境)并打印出“Hello TensorFlow !”的过程。
图1.TensorFlow
确认安装选项
确定了Windows平台仅仅是第一步,还需要确定另外两个选项:
- CPU or GPU;
- Native pip or Anaconda。
在TensorFlow的官方文档中明确提到,即使你的机器中有NVIDIA GPU,也建议初学者先尝试CPU的版本。
对于第二个选项,安装Anaconda是个更好的选择。它是一个Python的发行版,包含Python和一个包管理器conda,而且囊括了常见的科学计算库,比起pip安装这些库要容易的多。此外利用conda可以直接创建和管理虚拟环境,比Native pip方式更加独立和灵活,这个在后面还会提到。
TF文档强调Anaconda是社区支持,而非官方支持,同时TF团队也不会测试和维护conda package。可以把它看成TensorFlow的免责声明,而非建议Native pip方式。
安装Anaconda
图2.Anaconda
我是从Anaconda官方下载的最新的“Anaconda3-4.3.1-Windows-x86_64.exe”(422M),下载了3个小时。事后才知道清华大学提供了Anaconda镜像,建议从此下载。
安装路径要求不能有空格,于是使用了默认安装路径:“C:UsersEthan”,一路Next安装完毕。安装过程会自动设置Anaconda环境变量。打开命令行,直接键入conda --version
,即可检查。为了conda能快速安装其他包,我立即设置了清华的镜像源。操作如下:
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free conda config --set show_channel_urls yes
图3.设置镜像源
创建conda虚拟环境
为了安装TensorFlow,首先用conda创建一个conda虚拟环境。
conda不仅可以manage package,虚拟环境管理是其另一个非常强大的特性,在虚拟环境下可以隔离不同的package版本组合。我们创建一个干净的tensorflow环境,可以专用于研究和学习TF,而不需要为此动到Python的主环境(主环境可能还要支持其他的项目)。
通过以下命令创建一个名称为tensorflow的虚拟环境(虚拟环境的名字可以任意指定):
C:> conda create -n tensorflow python=3.5
TensorFlow安装文档中有明确提到:在Windows上TensorFlow仅支持的Python版本是3.5.x。可是前面我安装的Anaconda 4.3.1默认搭配的是Python 3.6。为了防止后续出现兼容性问题,我在上面的命令的末尾加了python=3.5
。这个参数表示当前创建的tensorflow虚拟环境搭配3.5.x的Python版本(此时是否看出了conda的威力),conda会自动的下载并安装3.5.x最新的版本。
创建虚拟环境的整个过程,如下图所示:
图4.创建虚拟环境
安装TensorFlow
TensorFlow是要安装到刚才创建的虚拟环境中去的。于是要先激活tensorflow环境:
C:> activate tensorflow (tensorflow)C:> # Your prompt should change
然后再安装TensorFlow的CPU版本。尽管conda也是包管理器,但是TensorFlow官方建议使用Python原生的包管理器来安装TensorFlow,使用pip install
命令,而不要用conda install
命令。此外,我这里还使用了清华的TensorFlow镜像url,也就是把官方的https://storage.googleapis.com/
替换为
https://mirrors.tuna.tsinghua.edu.cn/
即可。安装速度非常快,一两分钟即可装好。
(tensorflow)C:> pip install --ignore-installed --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/tensorflow-1.1.0-cp35-cp35m-win_amd64.whl
在安装Tensorflow时,像Numpy这些依赖会自动安装,见下图:
图5.安装TensorFlow
Hello, TensorFlow
终于要到Say Hello了。不要退出上节启动的虚拟环境,启动python,并直接键入后面的代码即可。
$ python >>> import tensorflow as tf >>> hello = tf.constant('Hello, TensorFlow!') >>> sess = tf.Session() >>> print(sess.run(hello))
代码中TensorFlow的各种函数调用,会在后面讲解。
实际运行如下图:
图6.Hello, TensorFlow!
- silverlight3的"伪"3D续--图片横向轮换
- 从MapX到MapXtreme2004[5]-自定义工具
- 米市的热潮来袭?三枚域名超六位数美金交易
- 微信新出了逆天功能,或许你用得上
- 网站系统架构梳理-解决高负载高并发
- silverlight 相册雏型
- Mysql优化系列(1)--Innodb引擎下mysql自身配置优化
- 一台服务器多实例mysql做主从复制
- spring AOP日志管理
- vue-route+webpack部署单页路由项目,访问刷新出现404问题
- UNIX 高手的 10 个习惯
- linux下截取给定路径中的目录部分
- 一年坎坷也曾怀疑自己,如今五冠在手的柯洁将再战AI
- 从MapX到MapXtreme2004[3]-搜索图元Feature
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- 【作者解读】ERNIE-GEN : 原来你是这样的生成预训练框架!
- Python中那些低调有趣的模块
- 01背包问题讲解(动态规划)
- python实现随机森林
- 在mysql中order by是怎样工作的?
- 多线程应用 - 阻塞队列ArrayBlockingQueue详解
- Java虚拟机 - 超级详细的类加载说明
- ReentrantLock
- 多线程应用 - 阻塞队列LinkedBlockingDeque详解
- AtomicInteger详解
- 多线程应用 - 阻塞队列LinkedBlockingQueue详解
- 多线程应用 - 超详细的AQS详情
- 多线程应用 - 基于AQS的Condition
- HashMap源码分析 - jdk8
- HashMap源码分析 - JDK7和JDK8有什么区别