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 (https://www.continuum.io/downloads#windows)
具体使用见Anaconda官方教程(https://conda.io/docs/test-drive.html),简单易懂!
0.下载Anaconda安装包:Anaconda官方下载地址(https://www.continuum.io/downloads/)
我下载的是Anaconda3-5.0.1-Windows-x86_64bit(内置python3.6)
1.检查Anaconda是否成功安装:conda --version
2.检测目前安装了哪些环境:conda info --envs
3.检查目前有哪些版本的python可以安装:conda search --full-name python
4.安装不同版本的python:conda create --name tensorflow python=3.6
(猜想输入python=3.6版本后,系统会自动选择一个3.6.x的版本吧)
5.按照提示,激活之:activate tensorflow
6.确保名叫tensorflow的环境已经被成功添加:conda info --envs
7.检查新环境中的python版本:python --version
8.退出当前环境:deactivate ,(小帽子掉了)!切换环境:activate tensorflow
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!
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,作为英特尔的显卡,掩面哭)Anaconda3-5.0.1(带有python3.6)。 在Anaconda里面配了python3.6.6
GPU版:pip install tensorflow-gpu
2.更新pip:python -m pip install --upgrade pip
直接在cmd里面键入python,然后键入import tensorflow as tf,打印版本键入print(tf.__version__)退出使用exit()
如果没有问题,屏幕会输出当前安装的TensorFlow版本号。
如果python不是默认3.6,而是其他版本怎么办?别急,自有办法!进入Anaconda Prompt-python里面,进入安装的名叫tensorflow的环境(按安装的python版本来~),键入python,然后再键入import tensorflow as tf
4.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spyder了。
import tensorflow as tf
hello = tf.constant('Hello,tensorFlow!')
sess = tf.Session()
print(sess.run(hello))
TensorFlow例程上手
1.55000训练集,10000测试集,5000验证集
2.每张图片都是28pixels*28pixels
#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}))
参考资料:https://blog.csdn.net/darlingwood2013/article/details/60322258
在tensorflow的环境下继续安装theano,输入pip install theano
在tensorflow的环境下继续安装Keras,输入pip install keras
在tensorflow的环境下进入python命令行,输入python,进入python命令行之后,输入以下命令:
print(theano.config.blas.ldflags)
会出现,Using TensorFlow backend.,如果没有 error则说明导入成功!!!
2.输入以下命令以激活 Conda 中之前自建的 TensorFlow 环境:
3.输入以下命令安装 git 以及相关的依赖包,在弹出提示语句后输入 y 按回车等待安装完成:
4.接着,在 Anaconda 控制台中输入以下代码下载 Keras 开发包,并进行 mnist 数据集测试
git clone https://github.com/fchollet/keras.git
5.如果出现了如下一堆界面,并且没有报错,则说明 Keras 已经安装成功,已经可以进行机器学习的创造之旅了!
如果不是很喜欢 Spyder 的界面风格,需要一个更加现代化的编程环境,那么这款基于浏览器界面的编程环境将非常的适合于你!
哈哈哈!这个当然是假的啦!下面这个才是真正的图形界面,不过上面的那个窗口千万不要随手关闭!!
在 TensorFlow 环境中安装 Jupyter IDE
1.启动 Anaconda 控制台。
2.输入以下命令以激活 Conda 中之前自建的 TensorFlow 环境(可以自己重新新建的一个新的环境,不过该环境必须重新按照之前所有步骤进行操作):
3.输入以下命令安装 Jupyter IDE 以及相关的依赖包,在弹出提示语句后输入y按回车等待安装完成:
4.1在上述环境下输入jupyter;或者在安装成功后,在开始菜单的Anaconda3 (64bit)文件夹下会出现名为Jupyter Notebook(tensorflow)的快捷方式,其作用等同于使用 Anaconda 控制台输入命令启动 Jupyter IDE。
4.2打开 Jupyter IDE,选择相应路径C:\Users\yyong\Documents\JupyterCode,在左上角选择New新建一个Python 3的Notebook,在输入中输入以下代码,点击run没有出现报错则说明安装成功
import tensorflow
# 使用 Conda 创建新的环境, &name 为自定义环境名
conda create -n &name pip python