导语 :深度学习 数字识别 Tensorflow 环境搭建 |
---|
本人对深度学习是0基础,python也是没有用过,最近很流行深度学习,因此也想学习一下,上次听同学的培训介绍深度学习的hello world就是写一个数字识别的程序,下面我按照Tensorflow的网站介绍,搭建了windows的开发环境。
为什么是Tensorflow呢,因为Tensorflow是google推出的开源项目,很多公司都使用这个来进行深度学习开发,因此我就随大流,也用Tensorflow来学习。
环境的安装
我的是windows环境,没装python。
1.去python网站下载python3.5.x的 windows版安装程序,虽然现在最新版的python是3.6.1,但TensorFlow的教程上写的是3.5.x, 所以我没有用最新的,而是下载了3.5.3版本的python安装包来安装,安装包地址:https://www.python.org/ftp/python/3.5.3/python-3.5.3-amd64.exe
安装步骤如下:
2.安装TensorFlow,tensorflow有两个版本,一个是支持GPU的,需要有NVIDIA的显卡,然而我的机器并没有,所以装的是cpu版。
打开个新cmd窗口,输入如下命令
**pip3 install --upgrade tensorflow**
如果要装GPU版,请输入如下命令
**pip3 install --upgrade tensorflow-gpu**
安装完成
3.注意还需要安装Microsoft Visual C++ 2015Redistributable(x64) , 不然tensorflow的模块还是不能用的,安装包下载地址:
< 96E7-D4B285925B00/vc_redist.x64.exe>
4. 校验环境是否正确
虽然中间打印了一条warning,但环境是ok了,可以开始用来深度学习了。
开始“写”Hello world了,说是写,其实把Tensorflow自带上的一个例子拿来运行。这个例子的位置是
这里都是例子,其中mnist_deep.py就是一个进行数字识别的深度学习的例子,它使用了Tensorflow上的图片库来进行学习和校验,让我们看看它运行的结果,把mnist_deep.py拷贝到某个目录,然后在那个目录运行下面的命令。
python mnist_deep.py
如果在公司开发网中,这样运行会报错,连不上服务器,是因为开发网要设代理,那么把代理设上
set https_proxy=
之后再运行python mnist_deep.py, 就可以正常的运行了
这个例子的功能是首先开始去Tensorflow网站下载训练和校验的素材,
然后开始进行数字识别训练
最后进行校验训练的效果,会拿校验素材来进行验证学习之后的数字识别准确率。
因为本人也是python 零基础的,所以到这步之后,也需要仔细的去读代码,就不班门弄斧了。
在这里欢迎各位新手也都能加入到深度学习的坑里来
注:这里例子使用的素材不是普通的图片格式,而是自定义的格式,格式的介绍可以看这里
http://yann.lecun.com/exdb/mnist/
参考资料:
https://www.tensorflow.org/install/install_windows