图像去雾毕业论文准备06-深度学习框架（tensorflow2.0）——超级详细，值得一看（线性回归）

拼搏现实的明天。 2023-01-01 14:56 198阅读 0赞

## 图像去雾毕业论文准备06-深度学习框架（tensorflow2.0） ##

参考视频[tensorflow2.0学习视频][tensorflow2.0]

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 1]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 2]  
![在这里插入图片描述][20210103170325705.png]  
![在这里插入图片描述][20210103170354376.png]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 3]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 4]

## 一、简易安装教程 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 5]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 6]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 7]

## CPU版本 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 8]  
首先根据要求检查一下自己的pip版本，如果大于19.0就跳过，如果是小于19.0，就使用命令进行更下

python -m pip install --upgrade pip

安装包下载安装（使用安装豆瓣源）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 9]

pip install tensorflow-cpu==2.3.0 -i https://pypi.douban.com/simple

由于我这里已经安装过tensorflow2.3的版本这里就不展示，当然对于不知道自己有没有安装过tensorflow的朋友，可以在file->setting->interpreter中看看自己是否已经安装过。备注：其他的安装包在这里也是可以看到的  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 10]

## 接着来：昨天（20210103 晚上有聚餐，不妨给各位瞅瞅） ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 11]  
然后让我想起这个，请看图！  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 12]  
没错，你没看错，我在C位，东哥的位置（哈哈哈）  
好啦，接着昨天的来吧！  
其实昨天我的tensorflow2.3.1是不可以正常使用的，于是聚餐前我自己又按照上面的方法来了安装了一次，现在已经安装成功了，打印出来如下：

# 测试
    import tensorflow as tf
    print(tf.__version__)

E:\\Anaconda\\envs\\Pytorch\\python.exe E:/PycharmSoftware/CNN/tensorflow2.0.py  
2.3.0

Process finished with exit code 0  
至此，电脑已经安装了tensorflow2.3.0版本。  
为了实现可以绘图，大家可以安装上述方法，再安装matplotlib 和 notebook  
[matplotlib参考博文，简单介绍][matplotlib]

pip install matplotlib notebook -i https://pypi.douban.com/simple

对了，这里给大家插播一句，由于软件更新很快，并且不能版本的软件或者库往往不能共存，这里给大家讲一下如何操作（新建不同环境）这里叫做虚拟环境，大家可以网上搜一下怎么操作，也可以看看我简单的介绍[虚拟环境搭建参考博文][Link 1]  
所以我再次进入我的虚拟环境（也就是我的pytorch环境，我之前学习pytorch时新建的，大家可以根据自己的需要进行）  
![在这里插入图片描述][20210104110458768.png]  
好啦，我这里再安装一个notebook,因为那个画图的matplotlib我已经安装过！  
jupyter notebook就可安装了，然后会跳出一个一个网页！就可以使用啦  
![在这里插入图片描述][20210104130136582.png]

## GPU版本 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 13]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 14]  
![在这里插入图片描述][20210104130635732.png]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 15]  
这里给个链接吧，不详细操作（我的先看时英伟达是440）太老了，所以操作不来，详细的自己看吧！  
[GPU版本配置][GPU]  
由于显卡比较贵，所以我打算使用云GPU版本来训练！  
给大家看看  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 16]  
具体的我还没开始使用，因为设计到收费，我打算把tensorflow多了解下再进行，后续给大家更新。。。

## 看看线性回归案例 ##

受教育年限和收入的关系

# 测试是否安装成功
    import tensorflow as tf
    import os
    
    # 查看版本
    print(tf.__version__)

这里需要一个cvs数据集（我直接贴在文档里面，新建一个txt文件，把后缀修改成xxx.csv即可）  
|![在这里插入图片描述][20210104151118299.png]  
或者私信我，我给你发一份（我通过上面的方法操作的）

这里需要一个pandas库进行数据导入  
然后通过matplotlib绘制散点图，进行预览！

# 测试是否安装成功
    import tensorflow as tf
    import os
    import pandas as pd
    import matplotlib.pyplot as plt
    
    # 查看版本
    print(tf.__version__)
    
    data = pd.read_csv("dataset.csv")
    print(data)
    plt.scatter(data.Education,data.Income)
    plt.show()

效果如图所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 17]  
分析讲解：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 18]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 19]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 20]  
**梯度下降：**  
梯度下降也是深度学习的核心算法  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 21]  
这里是利用keras搭建模型，输出是1，输入也是1，使用的是元组形式，所以需要加上一个,

# 添加一个层
    model = tf.keras.Sequential()
    # 建立一个模型，输出维度为1，输入维度为1（这里需要输入元组,所以加上一个,）
    model.add(tf.keras.layers.Dense(1,input_shape=(1,)))
    print(model.summary())

打印，输出搭建模型的结构如下所示：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 22]

（None,1）None代表样本的个数，不定！  
Param初始化两个变量，输出为1  
不知道几个意思，操作了半天竟然出错了！  
完整代码如下：感兴趣的小伙伴研究一下！

#!/usr/bin/python3.6
    # -*- coding: utf-8 -*-
    # @Time    : 2021/1/3 16:58
    # @Author  : ptg
    # @Email   : zhxwhchina@163.com
    # @File    : tensorflow2.0.py
    # @Software: PyCharm
    
    # 测试是否安装成功
    import tensorflow as tf
    import os
    import pandas as pd
    import matplotlib.pyplot as plt
    
    # 查看版本
    print(tf.__version__)
    
    data = pd.read_csv("dataset.csv")
    # print(data)
    plt.scatter(data.Education,data.Income)
    plt.show()
    # tf.cast(x, tf.float32)
    X = data.Education
    print(type(X))
    Y = data.Income
    
    # print(X)
    # -----------------------------------------------------
    # 添加一个层
    model = tf.keras.Sequential()
    # 建立一个模型，输出维度为1，输入维度为1（这里需要输入元组,所以加上一个,）
    model.add(tf.keras.layers.Dense(1,input_shape=(1,)))
    print(model.summary())
    #
    # # 编译过程
    # # 优化方法和损失函数
    model.compile(optimizer='adam',
        loss='mse'
    )
    # # 训练过程
    history = model.fit(X,Y,epochs=5000)
    print(history)
    
    
    print(model.predict(pd.Series()))

好啦，本节完了！

[tensorflow2.0]: https://www.bilibili.com/video/BV1Zt411T7zE?from=search&seid=17654978809718869557
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70]: /images/20221120/4242599ca6d8491cb4834c45146ec717.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 1]: /images/20221120/04e6592c1e3e440e8f927e4385542d1f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 2]: /images/20221120/e3bdabe544dd4b39a0907e3f8da577f6.png
[20210103170325705.png]: /images/20221120/2bc853c83e1047668eb77317bf5e06a7.png
[20210103170354376.png]: /images/20221120/783eb034bf3946e983b6d58b26ac7cf5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 3]: /images/20221120/a7621b8f8f1c4be29da93162a63487d5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 4]: /images/20221120/602d3b672fd54e18bdea0e78b812a0bf.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 5]: /images/20221120/c86b85a551c04cc1a261658a01e5abba.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 6]: /images/20221120/5cd4abb552be4a6da395d6f63b318ade.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 7]: /images/20221120/562c9207415443d8ae78707ed7a3cac9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 8]: /images/20221120/ec8f4ee04379498fa6d81cacea633879.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 9]: /images/20221120/6b4d61016b7a4532a19b1128ff8bc0f6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 10]: /images/20221120/9a8c1af0da6e4905ad29d0b0075732e1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 11]: /images/20221120/29ea96b74d2f4059a33726f33c637588.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 12]: /images/20221120/50937c8108ee49f990ed78b21e6df448.png
[matplotlib]: https://blog.csdn.net/pipisorry/article/details/37766161?ops_request_misc=&request_id=&biz_id=102&utm_term=matplotlib&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-1-37766161.nonecase
[Link 1]: https://editor.csdn.net/md/?articleId=108310948
[20210104110458768.png]: /images/20221120/d24e4e361a684a55a304389cdf38b3b7.png
[20210104130136582.png]: /images/20221120/f9393e3934eb4509bd22d7ef2158b9ba.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 13]: /images/20221120/ee0ffaebd5d44fbba3a1454d8f09ae66.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 14]: /images/20221120/5ba7733d013447b5ba7bee589f0806ed.png
[20210104130635732.png]: /images/20221120/463bb05b9c054cad94fc2045c8da770c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 15]: /images/20221120/958d94f5f9b0427e98e613b081519d1d.png
[GPU]: https://www.bilibili.com/video/BV1Zt411T7zE?p=3
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 16]: /images/20221120/438d56dd7c2a4dab82ef255d6fe6f8ec.png
[20210104151118299.png]: /images/20221120/3b612a93c5b747baadcc7852b9fb65ed.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 17]: /images/20221120/cee1c5a0883d470e9981cb78a7abacee.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 18]: /images/20221120/a3eafc318dda405c93bae35356862b0b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 19]: /images/20221120/d79d244282cf4ce9a5ac693509bc15d2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 20]: /images/20221120/938c5496f66044d4acc7ed265b4c1e42.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 21]: /images/20221120/bd804b599a8c447284e57f42ebf8355e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80Mjk4OTczOA_size_16_color_FFFFFF_t_70 22]: /images/20221120/c416ac7940fb4892b6db2bf0328a5490.png