Windows下Tensorflow的环境安装和Hello world

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

https://www.tensorflow.org/get_started/mnist/pros

http://yann.lecun.com/exdb/mnist/

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏实用工具入门教程

如何部署 TensorFlow 服务器

TensorFlow是一款由Google构建的用于训练神经网络的开源机器学习软件。TensorFlow的神经网络以有状态数据流图的形式表示。图中的每个节点表示神...

683
来自专栏小巫技术博客

A008-drawable资源

关于drawable资源笔者之前有写过两篇文章: Android-自定义图像资源的使用(1) Android-自定义图像资源的使用(2) 这里笔者就不做过多的赘...

692
来自专栏专知

【下载】PyTorch实现的神经网络翻译框架——机器翻译工具包 nmtpytorch

【导读】机器翻译是自然语言处理的重要组成部分,其目的是使用计算机自动将文本翻译成其他语言的形式。近年来,端到端的神经机器翻译发展迅速,已经成为机器翻译系统的新主...

3299
来自专栏TensorFlow从0到N

TensorFlow从0到1 - 17 - Step By Step上手TensorBoard

上一篇16 L2正则化对抗“过拟合”提到,为了检测训练过程中发生的过拟合,需要记录每次迭代(甚至每次step)模型在训练集和验证集上的识别精度。其实,为了能更...

3538
来自专栏吉浦迅科技

如何在Jetson TX2上使用CSI相机(续)

1.1K3
来自专栏CreateAMind

开源|MultiNet模型解决Kitti数据集自动驾驶中的道路分割、车辆检测和街道分类(附源代码)

MultiNet能够同时完成道路分割、汽车检测和道路分类的任务。MultiNet模型的实时存档速度和分割性能都处于最先进水平。详细的模型描述请查阅我们的论文。

1183
来自专栏人工智能LeadAI

TensorFlow从0到1 | 第十七章 Step By Step上手TensorBoard

上一篇 16 L2正则化对抗“过拟合 ”提到,为了检测训练过程中发生的过拟合,需要记录每次迭代(甚至每次step)模型在训练集和验证集上的识别精度。其实,为了能...

3937
来自专栏AI研习社

十分钟搞定 Tensorflow 服务

Tensorflow 服务是谷歌推荐用来部署 Tensorflow 模型的方法。如果你不具备一定的计算机工程知识背景,即使你对 Tensorflow 本身感觉很...

4396
来自专栏kangvcar

[face_recognition中文文档] 第7节 历史

984
来自专栏祝威廉

为Spark Deep Learning 添加NLP处理实现

前段时间研究了SDL项目,看到了Spark的宏大愿景,写了篇Spark新愿景:让深度学习变得更加易于使用。后面看了TFoS,感觉很是巧妙,写了一篇TensorF...

873

扫码关注云+社区