深度学习框架TensorFlow的基本介绍和安装

妖狐艹你老母 2022-06-08 00:18 193阅读 0赞

# 一、TensorFlow简介 #

2016年3月份，Google的围棋人工智能程序AlphaGo以4比1的大比分，战胜人类选手李世石，在全球成功引起广泛关注，引起了一波人工智能的热潮。从智能手机的语音助手，到相机的人脸识别，人工智能技术已经进入到我们生活的方方面面，在未来将深刻的影响我们的生活。

为了加速深度学习领域的发展，2015年11月9日，Google发布深度学习框架TensorFlow并宣布开源。在短时间内，在GitHub上，TensorFlow就成为了最流行的深度学习项目。

TensorFlow提供了非常丰富的深度学习相关的API，可以说目前所有深度学习框架里，提供的API最全的，包括基本的向量矩阵计算、各种优化算法、各种卷积神经网络和循环神经网络基本单元的实现、以及可视化的辅助工具、等等。

TensorFlow应用举例：

在澳大利亚，海洋生物学家与来自昆士兰大学（Queensland University）的计算机科学家合作，通过TensorFlow技术，使用探测器自动地在数以万计的航拍照片中寻找海牛；在日本，一位年轻人利用TensorFlow运用到农业上，按照黄瓜大小、形状、颜色以及其他特征来挑选黄瓜并对它们进行分类；在医学领域，发射科的医生通过采用TensorFlow，使其在医学扫描中能够识别帕金森病的迹象。湾区的数据科学家在树莓派上使用TensorFlow来追踪记录加州火车的动态。AlphaGo开发团队Deepmind也声称，将从Torch迁移到TensorFlow中，这无不印证了TensorFlow在业界的流行程度。

# 二、CentOS 7.3安装TensorFlow #

## 1 安装python ##

因为CentOS 7自带python 2.7.5，这一步可以省略。

[root@bogon ~]# python -V
    Python 2.7.5

## 2 安装python软件包管理工具pip（python index package） ##

（1）安装yum的第三方软件源epel（Extra Packages for Enterprise Linux）

yum -y install epel-release

（2）安装pip

yum install python-pip

（3）升级pip

pip install --upgrade pip

## 3 安装基于linux和python 2.7的tensorflow 0.9 ##

pip install https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.9.0-cp27-none-linux_x86_64.whl

其他操作系统版本可以参照下表：

# Ubuntu/Linux 64-bit, CPU only, Python 2.7
     export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.9.0-cp27-none-linux_x86_64.whl
    
    # Ubuntu/Linux 64-bit, GPU enabled, Python 2.7
    # Requires CUDA toolkit 7.5 and CuDNN v4. For other versions, see "Install from sources" below.
     export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.9.0-cp27-none-linux_x86_64.whl
    
    # Mac OS X, CPU only, Python 2.7:
     export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/tensorflow-0.9.0-py2-none-any.whl
    
    # Ubuntu/Linux 64-bit, CPU only, Python 3.4
     export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.9.0-cp34-cp34m-linux_x86_64.whl
    
    # Ubuntu/Linux 64-bit, GPU enabled, Python 3.4
    # Requires CUDA toolkit 7.5 and CuDNN v4. For other versions, see "Install from sources" below.
     export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.9.0-cp34-cp34m-linux_x86_64.whl
    
    # Ubuntu/Linux 64-bit, CPU only, Python 3.5
     export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.9.0-cp35-cp35m-linux_x86_64.whl
    
    # Ubuntu/Linux 64-bit, GPU enabled, Python 3.5
    # Requires CUDA toolkit 7.5 and CuDNN v4. For other versions, see "Install from sources" below.
     export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.9.0-cp35-cp35m-linux_x86_64.whl
    
    # Mac OS X, CPU only, Python 3.4 or 3.5:
     export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/mac/tensorflow-0.9.0-py3-none-any.whl

## 4 验证安装是否成功 ##

编写python脚本test.py

# vi test.py
    import tensorflow as tf
    hello = tf.constant('Hello,TensorFlow!')
    session = tf.Session()
    print(session.run(hello))
    a = tf.constant(11)
    b = tf.constant(22)
    print(session.run(a + b))

运行结果

# python test.py
    Hello, TensorFlow!
    33