TensorFlow从0到1 - 1 - 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TensorFlow 1.1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。

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

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

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:

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 1.1.0的CPU版本:tensorflow-1.1.0-cp35-cp35m-win_amd64.whl

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 

pip install常见参数解释:

  • ignore-installed:强制安装,即便已经安装;
  • upgrade:升级;
  • no-deps:忽略依赖关系;
  • no-cache-dir:不使用缓存;

在安装Tensorflow时,像Numpy这些依赖会自动安装,见下图:

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:

Hello, TensorFlow!

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

来自专栏小巫技术博客

Building TensorFlow on Android(译)

1571
来自专栏云计算

A Kubernetes Service Mesh(第9部分):使用gRPC的乐趣和收益

原文地址:https://dzone.com/articles/a-service-mesh-for-kubernetes-part-ix-grpc-for-f...

6549
来自专栏乐沙弥的世界

Oracle RAC OCR 与健忘症

    OCR就好比Windows的一个注册表,存储了所有与集群,RAC数据库相关的配置信息。而且是公用的配置,也就是说多个节点共享相同的配置信息。因此该配置应...

1355
来自专栏debugeeker的专栏

《coredump问题原理探究》windows版7.2节list

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/xuzhina/article/detai...

812
来自专栏李想的专栏

使用腾讯云“自定义监控”监控 GPU 使用率

本文旨在通过使用腾讯云的“自定义监控”服务来自行实现对 GPU 服务器的 GPU 使用率的监控。

1.3K13
来自专栏大数据挖掘DT机器学习

用Python调用百度OCR接口实例

本文主要针对Python开发者,描述百度文字识别接口服务的相关技术内容。OCR接口提供了自然场景下整图文字检测、定位、识别等功能。文字识别的结果可以用于翻译、搜...

9145
来自专栏WOLFRAM

大家都记得去年Wolfram举办的一行代码比赛吗???

1623
来自专栏Deep learning进阶路

caffe随记(四) --- mnist示例超详细讲解

这个mnist手写体数字识别的例子可以说是caffe中的 Hello World。mnist最初用于支票上的手写数字识别,针对mnist识别的专门模型是Lene...

2800
来自专栏企鹅号快讯

Python人工智能之图片识别,Python3一行代码实现图片文字识别

我们以识别诗词为例 下面是我们要识别的图片 ? 先看下效果图 ? 我们运行代码后识别的结果,有几个字没有正确识别,但是大多数字都能识别出来。 一行代码就能识别图...

6716
来自专栏简书专栏

目标检测第1步-运行tensorflow官方示例

在进行本文操作之前,需要先安装好tensorflow的gpu版本。 本文作者的环境:python3.6、Windows10、tensorflow_gpu1.1...

9533

扫码关注云+社区

领取腾讯云代金券