Winfows下Tensorflow配置与学习
来源:互联网 发布:matlab 有约束最优化 编辑:程序博客网 时间:2024/06/16 04:11
虽然tensorflow在ubuntu下可以正常使用,但是经常重启切换还是不方便,于是尝试在windows下安装tensorflow,调用python接口进行学习编程。
1.Python安装
安装anaconda python 4.3.0.1
windows7下anaconda 的python还是比较方便的。官网提供pyhon2.7的版本和python3.6的版本。windows7下这两个版本都比较坑,试了下,tensorflow都安装失败了。不过python2.7的版本是由于tensorflow本身不支持。而python3.6的则是版本过高了。
关于代理配置
代理下C:\Users\xxx.condarc文件里添加上
proxy_servers: http: XXXXXX https: xxxxxx
写上代理服务器地址。
这个其实只适用于conda命令,而pip就不行了,还得先输一遍set https: xxxxxx,然后才能联网下载包。
降级anaconda python
需要在CMD里输入
conda install python=3.5
这样就能够将anaconda 的pyhton降级成3.5了,安装过程挺长的。
2.Tensorflow安装
按照github上的安装教程,其实可以直接输入
pip install tensorflow
我这里安装的最后是0.10的版本,不是0.12的,不过也够用了。
3.Tensorpack安装
tensorpack是基于tensorflow的一个包,里面实现了许多不同领域的最新模型,见
https://github.com/ppwwyyxx/tensorpack
这个的安装方式也是挺波折的,我安装官方的安装方式不太成功,按照如下的方式进行的:
下载源码并解压,CMD进到路径下
pip install -r tensorpack.requirement.txt
pip install scipy
pip install .
这里用pip list进行查看,是安装上了。但是进入python还是其他编译器,导入这个包还会失败,我的电脑上把这个包安装在了c盘下的一个隐藏目录,那个也是anaconda包所在的路径,里面有site-packages里有tensorpack-0.1.6-py3.5.egg-info这个文件夹,所以就把tensorpack文件夹考进去,并考到anaconda安装目录下的lib\site-packages里,这样就能找到了。
tensorpack里有一些例子,运行还得需要数据集,或者其他依赖项,比如DQN的,这些依赖项windows上不一定有,所以很容易出问题,就没试了。tensorflow本身也自带很多的model的。
4.mnist例子运行
下面是官方的教程网站
http://www.tensorfly.cn/
https://www.tensorflow.org/tutorials/deep_cnn
里面有个新手入门,其中用logistic回归对mnist手写字符进行分类。
官方代码:
import input_datamnist = input_data.read_data_sets("MNIST_data/", one_hot=True)import tensorflow as tfx = tf.placeholder("float", [None, 784])W = tf.Variable(tf.zeros([784,10]))b = tf.Variable(tf.zeros([10]))y = tf.nn.softmax(tf.matmul(x,W) + b)y_ = tf.placeholder("float", [None,10])cross_entropy = -tf.reduce_sum(y_*tf.log(y))train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)init = tf.initialize_all_variables()sess = tf.Session()sess.run(init)for i in range(1000): batch_xs, batch_ys = mnist.train.next_batch(100) sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))print (sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels})
用pycharm建立工程和main.py,复制以上代码。这里需要将tensorflow源码里的tortoal下的input_data.py拷贝到工程目录下,它会下载mnist数据,如果下载失败了,自己下,把数据集压缩包放到MNIST_data/目录下即可。运行结果:
这下 tensorflow就可以在windows下正常使用了。
2017.3.4
- Winfows下Tensorflow配置与学习
- 【深度学习】Ubuntu环境下Tensorflow的安装以及与Pycharm的相互配置
- 【Tensorflow】Tensorflow安装与配置
- Windows 下配置Tensorflow
- Ubuntu下配置TensorFlow
- Ubuntu下Python深度学习TensorFlow+Theana+Keras配置文档
- Windows10下使用Anaconda 配置tensorflow深度学习开发环境
- Ubuntu16.04下Anaconda3+tensorflow+Pycharm+Spyder安装与配置
- 深度学习TensorFlow配置
- TensorFlow安装与配置
- 【TensorFlow】Windows10下配置TensorFlow环境
- tensorflow安装与学习
- 3、Tensorflow:TensorFlow深度学习入门(下)
- Ubuntu14下tensorflow的配置
- tensorflow python下配置opencv
- TensorFlow【深度学习】安装Tensorflow与测试
- TensorFlow的安装与配置
- pycharm下tensorflow下的配置
- 井柏然自己的字体,手写语录合集
- 百万用户级游戏服务器架构设计(1)
- 【Linux】gdb下调试多线程
- [NOIP2013]货车运输题解
- k8s调用gpu,nvidia-docker使用gpu
- Winfows下Tensorflow配置与学习
- CrateDB高可用测试 kill一个datanode节点
- 使用GitHub Pages展示个人项目
- oracle创建用户与导入表结构
- 百万用户级游戏服务器架构设计(2)
- redhat7安装caffe
- poj 3268 Silver Cow Party【dijkstra】
- gdb调试多进程
- 编译DM3730linux2.6.32.17出现错误arm-none-linux-gnueabi-ld: no machine record defined