今天终于有时间一探滕三福了,TensorFlow(腾三福)是谷歌基于DistBelief进行研发的第二代人工智能学习系统,其命名来源于本身的运行原理。Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流图的计算,TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。TensorFlow可被用于语音识别或图像识别等多项机器深度学习领域,对2011年开发的深度学习基础架构DistBelief进行了各方面的改进,它可在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。TensorFlow将完全开源,任何人都可以用。
说实话,今天安装TensorFlow的过程并不是很顺利,因为我犯了一个非常非常低级的错误。我的Ubuntu是ubuntu-16.04-desktop-i386,也就是说是32位的,但是TensorFlow目前只支持Ubuntu AMD64位系统,所以安装了两次一直报错:tensorflow-0.8.0-cp27-none-linux_x86_64.whl is not a supported wheel on this platform.如下图所示。
因为感觉之前对于TensorFlow有一定的了解,所以对于其安装的环境配置也没有仔细的看。所以出现这个问题我以为是由于Ubuntu本身的依赖库版本较低导致,所以就开始升级相关的依赖库,sudo apt-get install python-pip python-dev。问题依然没有解决,为此重新查看了TensorFlow的环境要求,看到仅支持ubuntu 64位时真实焕然大悟(这个错误真是。。。。。)。
所以重新安装了Ubuntu,以后的就很自然了,安装很简单,如下所示。
1. sudo apt-get install python-pip python-dev
2.sudo pip install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/ tensorflow-0.8.0-cp27-none-linux_x86_64.whl
然后安装成功后做一个小测试,用numpy随机生成一些三维的三点然后用一个平面去拟合数据,具体如下:
import tensorflow as tf
import numpy as np
# 使用 NumPy 生成假数据(phony data), 总共 100 个点.
x_data = np.float32(np.random.rand(2, 100)) # 随机输入
y_data = np.dot([0.100, 0.200], x_data) + 0.300
# 构造一个线性模型
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b
# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
# 初始化变量
init = tf.initialize_all_variables()
# 启动图 (graph)
sess = tf.Session()
sess.run(init)
# 拟合平面
for step in xrange(0, 201):
sess.run(train)
if step % 20 == 0:
print step, sess.run(W), sess.run(b)
# 得到最佳拟合结果 W: [[0.100 0.200]], b: [0.300]
本文分享自 机器学习算法与Python学习 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!