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:\Users\Ethan”,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!

原文发布于微信公众号 - 人工智能LeadAI(atleadai)

原文发表时间:2017-08-11

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

1 条评论
登录 后参与评论

相关文章

来自专栏机器之心

DeepMind开源Sonnet:可在TensorFlow中快速构建神经网络

选自DeepMind 作者:Malcolm Reynolds等 机器之心编译 参与:李泽南、Ellen Han 昨天,DeepMind 发布了 Sonnet,一...

3277
来自专栏Kubernetes

如何在Kubernetes集群中利用GPU进行AI训练

Author: xidianwangtao@gmail.com 注意事项 截止Kubernetes 1.8版本: 对GPU的支持还只是实验阶段,仍停留在A...

3617
来自专栏虚拟化云计算

NVIDIA显卡虚拟化vGPU终于支持KVM了

2018年5月14日,NVIDIA发布NVIDIA virtual GPU software 6.1 (390.57/391.58),正式增加了对RedHat ...

1082
来自专栏磐创AI技术团队的专栏

Tensorflow多GPU使用详解

3444
来自专栏灯塔大数据

热点 | 年度重大更新:PyTorch0.4官方支持Windows,完全改变API

昨天,PyTorch 官方 GitHub 发布 0.4.0 版本,大家心心念念的 Windows 支持终于到来!加入到深度学习的行列中来吧!

922
来自专栏量子位

AlphaGo Zero代码迟迟不开源,TF等不及自己推了一个

Root 编译自GitHub 量子位 出品 | 公众号 QbitAI TensorFlow官方在GitHub上推了一个AlphaGo Zero的开源代码! 这个...

5157
来自专栏SAP最佳业务实践

想学FM系列(22)-SAP FM模块:派生规则推导策略(5)-派生规则推导使用

4.2 派生规则推导的操作及测试 在派生规则具体维护时其操作界面通常如下: ? ① 显示\修改派生规则。 ② 选中某一条步骤,点击查看该步骤的定义。 ...

4387
来自专栏机器之心

业界 | 艾伦AI研究院发布AllenNLP:基于PyTorch的NLP工具包

选自GitHub 机器之心编译 参与:李泽南、黄小天 AllenNLP 可以让你轻松地设计和评估几乎所有 NLP 问题上最新的深度学习模型,并同基础设施一起让这...

2997
来自专栏大数据智能实战

Deeplearning4j库学习

一、基础知识(了解) 背景知识:     如官网描述,dl4j-examples含有丰富的深度学习神经网络应用案例,这是一个为Java和Scala编写的首个商...

29010
来自专栏IT派

开源 | 基于Python的人脸识别:识别准确率高达99.38%!

该库使用 dlib 顶尖的深度学习人脸识别技术构建,在户外脸部检测数据库基准(Labeled Faces in the Wild benchmark)上的准确率...

3567

扫描关注云+社区