• Win10下用Anaconda安装TensorFlow


    什么是Anaconda

    anaconda指的是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。它是一个用python开发机器学习的必备工具。

    什么是tensorflow

    大名鼎鼎,相信不知道tensorflow的人应该不是很多,目前github上最火的项目之一。

    TensorFlow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学习和深度学习领域,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。

    安装Anaconda

    选择相应的Anaconda进行安装,下载地址点击这里,下载对应系统版本的Anaconda。

    image

    就和安装普通的软件一样,全部选择默认即可,注意勾选将python3.6添加进环境变量

    这样Anaconda就安装好了,我们可以通过下面的命令来查看Anaconda已经安装了哪些包。
    运行 开始菜单->Anaconda3—>Anaconda Prompt

    conda list
    可以看到已经安装了numpy、sympy等常用的包。

    安装Tensorflow

    TensorFlow目前在Windows下只支持Python 3.5版本。

    打开Anaconda Prompt,输入如下代码:

    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    conda config --set show_channel_urls yes
    同样在Anaconda Prompt中利用Anaconda创建一个python3.5的环境,环境名称为tensorflow ,输入下面命令:
    conda create -n tensorflow python=3.5
    运行 开始菜单->Anaconda3—>Anaconda Navigator,点击左侧的Environments,可以看到tensorflow的环境已经创建好了。

    image


    在Anaconda Prompt中启动tensorflow环境:

    activate tensorflow
    安装cpu版本的TensorFlow
    pip install --upgrade --ignore-installed tensorflow

    测试tensorflow
    在Anaconda Prompt中启动tensorflow环境,并进入python环境。

    测试代码如下:

    import tensorflow as tf
    hello = tf.constant('Hello, TensorFlow!')
    sess = tf.Session()
    print(sess.run(hello))

    能够在控制台看到输出“Hello, TensorFlow!”。

    ipython和Spyder使用tensorflow

    打开Anaconda Navigator,选择Not installed

    image

    找到 ipython和Spyder并安装,然后切换到installed,可以看到两个都已经安装好,打开Spyder。

    运行测试代码:

    import tensorflow as tf
    

    a = tf.placeholder("int32")
    b = tf.placeholder("int32")

    y = tf.multiply(a, b)

    sess = tf.Session()

    print(sess.run(y, feed_dict={a: 3, b: 3}))

    sess.close()

    我们能够在控制台看到输出的结果。

    image

    总结

    使用Anaconda能够快速的对科学计算进行开发,不需要考虑太多的依赖问题,它本身提供了各个平台的不同版本,使用开发科学计算更加的简单快捷。

    7929513F48ECEED0DA61DFE981AFBAD4

  • 相关阅读:
    对于函数中多个返回值的处理
    Docker-compose 安裝单机版redis
    设计模式七大设计原则
    UML 设计技巧
    使用Docker 容器配置nexus3.29 私有仓库
    分布式消息Kafka通信原理分析
    分布式消息Kafka通信
    使用docker 搭建nexus3.29
    分布式消息Kafka初步认识及基本应用
    Dubbo 常用配置及源码分析
  • 原文地址:https://www.cnblogs.com/skyme/p/8574896.html
Copyright © 2020-2023  润新知