TensorFlow个人学习（下载安装&简单代码例子）

（由于项目最终决定使用TensorFlow，所以博客来总结学习TensorFlow）

下载和安装：

由于TensorFlow也官方支持windows了，省去了很多功夫，安装就更简单了。

TensorFlow 有两个版本：CPU 版本和 GPU 版本。GPU 版本需要 CUDA 和 cuDNN 的支持，CPU 版本不需要。如果你要安装 GPU 版本，请先确认你的显卡支持 CUDA。我安装

的是 CPU 版本，采用 pip 安装方式，不需要安装 CUDA 和 cuDNN。

首先下载python3.5（理论上3.x都可以，我试了下2.7，实验结果安装不了TensorFlow），

就到官网下载就好https://www.python.org/downloads/windows/，看好是32位还是64位。

下载安装就好，安装Python时一定要选择安装pip。

然后确保你的pip版本 >= 8.1。(用 pip -V 查看当前 pip 版本，用 python -m pip install -U pip 升级pip ）

然后，最后一步：

pip3 install --upgrade tensorflow

然后看网速快慢了，一般一会就下完。

最后测试下是否成功安装：

D:\Python35>python #前头是在命令行进入自己python的安装目录>>> import tensorflow as tf>>> hello=tf.constant('Hello,World')>>> sess=tf.Session()>>> print(sess.run(hello))

如果输出：

b'Hello,World'

就代表成功。

简单代码实例：

然后来自己写一段自己的第一行TensorFlow代码：

Python API 撰写的 TensorFlow 示例代码：这段很短的 Python 程序生成了一些三维数据, 然后用一个平面拟合它。

（这里建议下一个python代码编辑器，推荐sublime，实用方便）

#!D:\python35            #(#/usr/bin/env python3也可以)import tensorflow as tfimport numpy as np# 使用 NumPy 生成假数据(phony data), 总共 100 个点.x_data = np.float32(np.random.rand(2, 100)) # 随机输入y_data = np.dot([0.100, 0.200], x_data) + 0.300# 构造一个线性模型# b = tf.Variable(tf.zeros([1]))W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))y = tf.matmul(W, x_data) + b# 最小化方差loss = tf.reduce_mean(tf.square(y - y_data))optimizer = tf.train.GradientDescentOptimizer(0.5)train = optimizer.minimize(loss)# 初始化变量init = tf.initialize_all_variables()# 启动图 (graph)sess = tf.Session()sess.run(init)# 拟合平面for step in range(201):    sess.run(train)    if step % 20 == 0:        print(step,sess.run(W),sess.run(b))     # 得到最佳拟合结果 W: [[0.100  0.200]], b: [0.300]

命令行运行结果：

ok，完事。