tensorflow for windows --轉載

博客來源於http://blog.csdn.net/darlingwood2013/article/details/60322258

安裝說明

平臺：目前可在Ubuntu、Mac OS、Windows上安裝 
版本：提供gpu版本、cpu版本 
安裝方式：pip方式、Anaconda方式 
Tips:

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

---

安裝進度

2017/3/4進度： 
Anaconda 4.3（對應python3.6）正在安裝，又刪除了，一無全部了 
2017/3/5進度： 
Anaconda 4.3（對應python3.6）get 
Anaconda中python3.5.2get 
tensorflow1.0.0get

---

行文思路

在看別人教程時候總遇到些沒見過的名詞，讓人望而生畏。 
因此索性從名詞解釋開始。 
而後講述TensorFlow的安裝和簡單示例。 
做爲本身的筆記， 
也但願像我同樣的小白看到這篇教程能以爲作起來很順暢！

---

CUDA

CUDA(Compute Unified Device Architecture)，是顯卡廠商NVIDIA推出的運算平臺。 CUDA™是一種由NVIDIA推出的通用並行計算架構，該架構使GPU可以解決複雜的計算問題。 它包含了CUDA指令集架構（ISA）以及GPU內部的並行計算引擎。 開發人員如今可使用C語言來爲CUDA™架構編寫程序，C語言是應用最普遍的一種高級編程語言。所編寫出的程序因而就能夠在支持CUDA™的處理器上以超高性能運行。CUDA3.0已經開始支持C++和FORTRAN。 
計算行業正在從只使用CPU的「中央處理」向CPU與GPU並用的「協同處理」發展。爲打造這一全新的計算典範，NVIDIA™（英偉達™）發明了CUDA（Compute Unified Device Architecture，統一計算設備架構）這一編程模型，是想在應用程序中充分利用CPU和GPU各自的優勢。如今，該架構已應用於GeForce™（精視™）、ION™（翼揚™）、Quadro以及Tesla GPU（圖形處理器）上。 
來自百度百科。

（因此個人A卡是用不成它的）

Anaconda

Anaconda是由Python提供支持的領先的開放數據科學平臺。 Anaconda的開源版本是Python和R的高性能分發版本，包括超過100個用於數據科學的最流行的Python，R和Scala軟件包。 
來自Anaconda官方下載頁面 
具體使用見Anaconda官方教程，簡單易懂！

---

Anaconda初步學習

0.下載Anaconda安裝包：Anaconda官方下載地址 
我下載的是Anaconda4.3.0For Windows 64bit（內置python3.6） 
下載好了就安裝，一直下一步。 
1.檢查Anaconda是否成功安裝：conda --version 
 
（嘻嘻，第一步成功了，開心點） 
2.檢測目前安裝了哪些環境：conda info --envs 
 
（只有一個呀！不怕，繼續來！） 
3.檢查目前有哪些版本的python能夠安裝：conda search --full-name python 
 
（好多呀，要哪一個呢？嘻嘻固然是python3.5啦） 
4.安裝不一樣版本的python：conda create --name tensorflow python=3.5 
（猜測輸入python=3.5版本後，系統會自動選擇一個3.5.x的版本吧） 
 
（python3.5.3要不要？實驗室服務器上是3.5.2，統一好啦！） 
 
（好啦，GO！） 
 
（嘻嘻！安好啦！又離成功近了一步！） 
5.按照提示，激活之：activate tensorflow 
 
（嘻嘻它有了一頂小帽子~表明個人當前環境哦） 
6.確保名叫tensorflow的環境已經被成功添加：conda info --envs 
 
（Bravo!） 
7.檢查新環境中的python版本：python --version 
 
（^^開心開心~） 
8.退出當前環境：deactivate 
 
（小帽子掉了） 
9.切換環境：activate tensorflow 
 
想切換到哪一個環境就 activate哪一個~ 
這篇文章既然是安裝tensorflow的，固然要avtivate tensorflow! 
小妖精！我來了！

PS：想了解更多請看Anaconda官方教程，簡單易懂好上手！別亂搜網上的教程，沒有官方教程看着清爽！

---

TensorFlow安裝 
本文是將tensorflow在原生windows系統上安裝， 
採用anocanda的安裝方式， 
安裝的是cpu版本（嗯，做爲AMD的顯卡，掩面哭）

Anaconda 4.3.0.1(帶有python3.6） 
在Anaconda裏面配了python3.5.2 
下面是今天的主角！（噼裏啪啦）

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

 
（好吧，先是打錯，接下來又這樣！我不知道該怎麼辦了(ㄒoㄒ)/~~） 
2.另外一種嘗試：pip install tensorflow

 
（劃重點了，原來是這樣子！我是AMD的卡，對應的不同！） 
3.確認tensorflow安裝成功： 
錯誤嘗試:直接在cmd裏面鍵入python，而後鍵入import tensorflow as tf

 
（小夥子默認的是python3.6啊啊啊啊啊，要從anaconda進入剛剛裝的那個python3.5裏面哦！~）

正確嘗試：進入Anaconda Prompt-python裏面，進入安裝的名叫tensorflow的環境（咱們裝的python3.5.2記得嗎？~），鍵入python，而後再鍵入import tensorflow as tf 
在這裏能夠找到Anaconda Prompt-python： 
 

打開Anaconda Navigator（開始菜單->Anaconda 3->Anaconda Navigator），搞一個spyder玩，點擊spyder下面的「install」，安裝好就變成「Launch」了，點擊就能夠進去了。 

在spyder裏對tensorflow說Hello! 

輸出： 
 
（嘿嘿嘿哈哈哈我感受我好像成功了！！！你呢？~~）

參考tensorflow官方文檔，請上英文官網，中文社區彷佛沒有更新windows上的安裝

---

TensorFlow例程上手

裝了個新東西，咱們先把它用起來吧！ 
概念什麼的跑完第一個小程序再看！ 
找點成就感纔好繼續下去！ 
示例來源：MINIST For ML Beginners

MINST數據集：

1. 55000訓練集，10000測試集，5000驗證集
2. 每張圖片都是28pixels*28pixels

代碼：

#得到數據集 from tensorflow.examples.tutorials.mnist import input_data mnist = input_data.read_data_sets("MNIST_data/", one_hot=True) import tensorflow as tf #輸入圖像數據佔位符 x = tf.placeholder(tf.float32, [None, 784]) #權值和誤差 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) #代價函數佔位符 y_ = tf.placeholder(tf.float32, [None, 10]) #交叉熵評估代價 cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1])) #使用梯度降低算法優化：學習速率爲0.5 train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) #Session sess = tf.InteractiveSession() #初始化變量 tf.global_variables_initializer().run() #訓練模型，訓練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}) #計算正確率 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}))

 

運行結果：輸出顯示獲得模型的準確率 

---

結語

昨天花費了大半天部署環境，不但一無所得且搞得焦頭爛額。今天再戰，索性邊作邊寫，好像和旁邊的人在聊天同樣。嗯，心情愉悅的時候容易作出東西。時間很寶貴，但仍是但願你的學習曲線不要太陡峭，但願你能愉快地走進新領域。

相關資料彙總

1. Anaconda官方下載地址
2. Anaconda官方教程
3. TensorFlow官方安裝教程
4. 第一個示例小程序MINIST識別