TensorFlow在windows上安装与简单示例

ゞ浴缸里的玫瑰 2022-07-16 17:13 242阅读 0赞

**安装说明**

平台：目前可在Ubuntu、Mac OS、Windows上安装  
版本：提供gpu版本、cpu版本  
安装方式：pip方式、Anaconda方式  
Tips:

1.  在Windows上目前支持python3.5.x
2.  gpu版本需要cuda8,cudnn5.1

--------------------

**安装进度**

2017/3/4进度：  
Anaconda 4.3（对应python3.6）正在安装，又删除了，一无所有了  
2017/3/5进度：  
Anaconda 4.3（对应python3.6）get  
Anaconda中python3.5.2get  
tensorflow1.0.0get

--------------------

**行文思路**

在看别人教程时候总遇到些没见过的名词，让人望而生畏。  
所以索性从名词解释开始。  
然后讲述TensorFlow的安装和简单示例。  
作为自己的笔记，  
也希望像我一样的小白看到这篇教程能觉得做起来很顺畅！

--------------------

**CUDA**

CUDA(Compute Unified Device Architecture)，是显卡厂商**NVIDIA推出**的**运算平台**。 CUDA™是一种由NVIDIA推出的**通用并行计算架构**，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。 开发人员现在可以使用C语言来为CUDA™架构编写程序，C语言是应用最广泛的一种高级编程语言。所编写出的程序于是就可以在支持CUDA™的处理器上以超高性能运行。CUDA3.0已经开始支持C++和FORTRAN。  
计算行业正在从只使用CPU的“中央处理”向**CPU与GPU并用的“协同处理”**发展。为打造这一全新的计算典范，NVIDIA™（英伟达™）发明了CUDA（Compute Unified Device Architecture，统一计算设备架构）这一编程模型，是想在应用程序中充分利用CPU和GPU各自的优点。现在，该架构已应用于**GeForce™（精视™）、ION™（翼扬™）、Quadro以及Tesla GPU（图形处理器）**上。  
来自百度百科。

（所以我的A卡是用不成它的）

**Anaconda**

Anaconda是由Python提供支持的领先的开放数据科学平台。 Anaconda的开源版本是Python和R的高性能分发版本，包括超过100个用于数据科学的最流行的Python，R和Scala软件包。  
来自[Anaconda官方下载页面][Anaconda]  
具体使用见[Anaconda官方教程][Anaconda 1]，简单易懂！

--------------------

**Anaconda初步学习**

0.下载Anaconda安装包：[Anaconda官方下载地址][Anaconda 2]  
我下载的是Anaconda4.3.0For Windows 64bit（内置python3.6）  
下载好了就安装，一直下一步。  
1.检查Anaconda是否成功安装：`conda --version`  
![版本][SouthEast]  
（嘻嘻，第一步成功了，开心点）  
2.检测目前安装了哪些环境：`conda info --envs`  
![环境监测][SouthEast 1]  
（只有一个呀！不怕，继续来！）  
3.检查目前有哪些版本的python可以安装：`conda search --full-name python`  
![SouthEast 2][]  
（好多呀，要哪个呢？嘻嘻当然是python3.5啦）  
4.安装不同版本的python：`conda create --name tensorflow python=3.5`  
（猜想输入python=3.5版本后，系统会自动选择一个3.5.x的版本吧）  
![SouthEast 3][]  
（python3.5.3要不要？实验室服务器上是3.5.2，统一好啦！）  
![SouthEast 4][]  
（好啦，GO！）  
![SouthEast 5][]  
（嘻嘻！安好啦！又离成功近了一步！）  
5.按照提示，激活之：`activate tensorflow`  
![SouthEast 6][]  
（嘻嘻它有了一顶小帽子~代表我的当前环境哦）  
6.确保名叫tensorflow的环境已经被成功添加：`conda info --envs`  
![SouthEast 7][]  
（Bravo!）  
7.检查新环境中的python版本：`python --version`  
![SouthEast 8][]  
（^^开心开心~）  
8.退出当前环境：`deactivate`  
![SouthEast 9][]  
（小帽子掉了）  
9.切换环境：`activate tensorflow`  
![SouthEast 10][]  
想切换到哪个环境就 activate哪个~  
这篇文章既然是安装tensorflow的，当然要avtivate tensorflow!  
小妖精！我来了！

**PS：**想了解更多请看[Anaconda官方教程][Anaconda 1]，简单易懂好上手！别乱搜网上的教程，没有官方教程看着清爽！

--------------------

**TensorFlow安装**  
本文是将tensorflow在原生windows系统上安装，  
采用anocanda的安装方式，  
安装的是cpu版本（嗯，作为AMD的显卡，掩面哭）

Anaconda 4.3.0.1(带有python3.6）  
在Anaconda里面配了python3.5.2  
下面是今天的主角！（噼里啪啦）

1.按照官网的指示：  
`pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.0.0-cp35-cp35m-win_x86_64.whl`

![SouthEast 11][]  
（好吧，先是打错，接下来又这样！我不知道该怎么办了(ㄒoㄒ)/~~）  
2.另一种尝试：`pip install tensorflow`

![SouthEast 12][]  
（划重点了，原来是这样子！我是AMD的卡，对应的不一样！）  
3.确认tensorflow安装成功：  
错误尝试:直接在cmd里面键入python，然后键入`import tensorflow as tf`

![SouthEast 13][]  
（小伙子默认的是python3.6啊啊啊啊啊，要从anaconda进入刚刚装的那个python3.5里面哦！~）

正确尝试：进入Anaconda Prompt-python里面，进入安装的名叫tensorflow的环境（我们装的python3.5.2记得吗？~），键入python，然后再键入`import tensorflow as tf`  
在这里可以找到Anaconda Prompt-python：  
![SouthEast 14][]  
![SouthEast 15][]

打开Anaconda Navigator（开始菜单->Anaconda 3->Anaconda Navigator），搞一个spyder玩，点击spyder下面的“install”，安装好就变成“Launch”了，点击就可以进去了。  
![SouthEast 16][]

在spyder里对tensorflow说Hello!  
![SouthEast 17][]

输出：  
![SouthEast 18][]  
（嘿嘿嘿哈哈哈我感觉我好像成功了！！！你呢？~~）

参考[tensorflow官方文档，请上英文官网，中文社区似乎没有更新windows上的安装][tensorflow_windows]

--------------------

**TensorFlow例程上手**

装了个新东西，我们先把它用起来吧！  
概念什么的跑完第一个小程序再看！  
找点成就感才好继续下去！  
示例来源：[MINIST For ML Beginners][]

MINST数据集：

1.  55000训练集，10000测试集，5000验证集
2.  每张图片都是28pixels\*28pixels

代码：

#获得数据集
    from tensorflow.examples.tutorials.mnist import input_data
    mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
    
    import tensorflow as tf
    
    #输入图像数据占位符
    x = tf.placeholder(tf.float32, [None, 784])
    
    #权值和偏差
    W = tf.Variable(tf.zeros([784, 10]))
    b = tf.Variable(tf.zeros([10]))
    
    #使用softmax模型
    y = tf.nn.softmax(tf.matmul(x, W) + b)
    
    #代价函数占位符
    y_ = tf.placeholder(tf.float32, [None, 10])
    
    #交叉熵评估代价
    cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
    
    #使用梯度下降算法优化：学习速率为0.5
    train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
    
    #Session
    sess = tf.InteractiveSession()
    
    #初始化变量
    tf.global_variables_initializer().run()
    
    #训练模型，训练1000次
    for _ in range(1000):
      batch_xs, batch_ys = mnist.train.next_batch(100)
      sess.run(train_step, feed_dict={
       x: batch_xs, y_: batch_ys})
    
    #计算正确率
    correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
    
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
    
    print(sess.run(accuracy, feed_dict={
       x: mnist.test.images, y_: mnist.test.labels}))

运行结果：输出显示得到模型的准确率  
![SouthEast 19][]

--------------------

**结语**

昨天花费了大半天部署环境，不但一无所获且搞得焦头烂额。今天再战，索性边做边写，好像和旁边的人在聊天一样。嗯，心情愉悦的时候容易做出东西。时间很宝贵，但还是希望你的学习曲线不要太陡峭，希望你能愉快地走进新领域。

**相关资料汇总**

1.  [Anaconda官方下载地址][Anaconda 2]
2.  [Anaconda官方教程][Anaconda 1]
3.  [TensorFlow官方安装教程][tensorflow_windows]
4.  [第一个示例小程序MINIST识别][MINIST For ML Beginners]

[Anaconda]: https://www.continuum.io/downloads#windows
[Anaconda 1]: https://conda.io/docs/test-drive.html
[Anaconda 2]: https://www.continuum.io/downloads/
[SouthEast]: /images/20220709/bc2a201bc9af4a559c18179b233e9fd9.png
[SouthEast 1]: /images/20220709/ab2e1b4f6dee4c918b3c28b8c9cccc7e.png
[SouthEast 2]: /images/20220709/9d77422ff6914a9a8cc00861f451c18c.png
[SouthEast 3]: /images/20220709/ad04e06ffa0744fbb406246e8b8cb5b0.png
[SouthEast 4]: /images/20220709/c2de34d51bb844e8b030b1ed11698121.png
[SouthEast 5]: /images/20220709/3168e27ea1fb4045b00602c08b58039c.png
[SouthEast 6]: /images/20220709/64c659e87e754c2a977e0cf89d07d702.png
[SouthEast 7]: /images/20220709/573e5b176fe4441e8144e48b52431fd6.png
[SouthEast 8]: /images/20220709/82a747778ec74ea29b11c392bb5ff3f6.png
[SouthEast 9]: /images/20220709/a5c5d2c016d8475184cf45b574f27521.png
[SouthEast 10]: /images/20220709/6e426be1a6694d55ab7a1890b2bb28c9.png
[SouthEast 11]: /images/20220709/fe9c023713264ab09b86c38126ee6ece.png
[SouthEast 12]: /images/20220709/7faef2d46cbc486d8a4a72d2cb5c797b.png
[SouthEast 13]: /images/20220709/0971ca985c014caca1fe1b3b2effa746.png
[SouthEast 14]: /images/20220709/7f071b1981ce49fdb4d9cfab4b62ea07.png
[SouthEast 15]: /images/20220709/865bf84d13094f08a2333ded41b3be28.png
[SouthEast 16]: /images/20220709/7b59b801e12b427ea02b67cb03cc318b.png
[SouthEast 17]: /images/20220709/f7043789ada7478ebba9d615cbb4687a.png
[SouthEast 18]: /images/20220709/c0cf6ceb7b3c4cc48b89b06e8b89ec2d.png
[tensorflow_windows]: https://www.tensorflow.org/install/install_windows
[MINIST For ML Beginners]: https://www.tensorflow.org/get_started/mnist/beginners
[SouthEast 19]: /images/20220709/9756c636de7f47918aff13d07a81d988.png