win10下輕松安裝tensorflow,踩坑后總結
- 一、第一次些博文的初衷
- 二、下載ananconda
- 三、利用anaconda創建新的虛擬環境進行安裝tensorflow
- 3.1 打開 anaconda prompt
- 3.2 查看當前的所有虛擬環境
- 3.3 創建新的虛擬環境
- 3.4 在pycharm中創建新的專案
- 3.5 線性回歸例子驗證環境
- 四、總結
一、第一次些博文的初衷
二、下載ananconda
三、利用anaconda創建新的虛擬環境進行安裝tensorflow
3.1 打開 anaconda prompt
3.2 查看當前的所有虛擬環境
3.3 創建新的虛擬環境
3.4 在pycharm中創建新的專案
3.5 線性回歸例子驗證環境
四、總結
**一、第一次些博文的初衷 **
1.由于代碼寫多了，慢慢地知道了代碼記錄以及踩坑記錄的重要性，一開始我接觸python就是為了學習opencv,環境配置的問題我花費了不少時間，后面嘗試學習深度學習，在環境配置上也踩了很多坑，不過也感謝這些坑讓我學習如何發現問題，解決問題，
2.一方面寫博文是為了個人的記錄，同時也能在大家遇到類似德問題時，對大家有所幫助，
3.第一篇博文主要寫一些如何在win10下（我電腦是CPU處理器）配置tensorflow，其實程序并不難希望大家一起加油！
**二、下載anaconda **
.如果大家還沒有安裝以及下載anaconda,請借鑒一下博主的鏈接，都是相當仔細，
鏈接: https://blog.csdn.net/qq_37245397/article/details/80813850
三、利用anaconda創建新的虛擬環境進行安裝tensorflow
- 3.1 打開 anaconda prompt
- 3.2 查看當前的所有虛擬環境
conda env list
復制后輸入，便可以查看當前的所有虛擬環境，現在大家虛擬環境是沒有的，大家可以待會創建好后進行驗證
- 3.3 創建新的虛擬環境
conda create -n your_env_name python=x.x
your_env_name：新環境的名字
python=x.x：需要依賴的編譯器
這里簡單的說一下，之前一直以為我需要什么版本的編譯器就要重新下載一個，但是后面發現，有了anaconda之后，真的方便，之前其它專案用的是3.7的編譯器，后面由于tensorflow需要3.5的版本，所以就直接寫python3.5就可以了，這也是虛擬環境的好處，不會對之前的環境照成干擾，下面就以用python3.5編譯器創建一個名為tensorflow的虛擬環境，
conda create -n tensorflow python=3.5
創建好顯示如下：
查看虛擬環境就可以看到多了一個 tensorflow的環境
*3.4 在pycharm創建一個新的專案
- 3.5 匯入相應的庫
匯入庫可以通過一下兩種形式
第一種是在anaconda prompt中激活所在的虛擬環境，然后直接pip就可以了
#Linux: source activate your_env_name(虛擬環境名稱)
#Windows: activate your_env_name(虛擬環境名稱)
#本例子激活代碼：
activate tensorflow
第二種是在pycharm中的終端下載
普通pip下載的話可能速度會比較慢，所以利用加入豆瓣源會快非常多，
#pip install --index-url https://pypi.douban.com/simple 需要匯入的庫
pip install --index-url https://pypi.douban.com/simple tensorflow==1.4.0
顯示安裝完成
- 3.5 線性回歸例子驗證環境
import tensorflow as tf
import numpy as np
import matplotlib .pyplot as plt
# 隨機生成1000個點，圍繞在,y=0.1x+0.3的直線之間
num_points = 1000
vectors_set = []
for i in range(num_points):
x1 = np.random.normal(0.0,0.55)
y1 = x1*0.1+0.3+np.random.normal(0.0,0.03)
vectors_set.append([x1,y1])
#生成一些樣本
x_data = [v[0] for v in vectors_set]
y_data = [v[1] for v in vectors_set]
plt.scatter(x_data,y_data,c = 'r')
plt.show()
# 生成1維的W矩陣，取值是[-1,1]之間的亂數
W = tf.Variable(tf.random_uniform([1], -1.0, 1.0), name='W')
# 生成1維的b矩陣，初始值是0
b = tf.Variable(tf.zeros([1]), name='b')
# 經過計算得出預估值y
y = W * x_data + b
# 以預估值y和實際值y_data之間的均方誤差作為損失
loss = tf.reduce_mean(tf.square(y - y_data), name='loss')
# 采用梯度下降法來優化引數
optimizer = tf.train.GradientDescentOptimizer(0.5)
# 訓練的程序就是最小化這個誤差值
train = optimizer.minimize(loss, name='train')
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)
# 初始化的W和b是多少
print ("W =", sess.run(W), "b =", sess.run(b), "loss =", sess.run(loss))
# 執行20次訓練
for step in range(20):
sess.run(train)
# 輸出訓練好的W和b
print ("W =", sess.run(W), "b =", sess.run(b), "loss =", sess.run(loss))
四、總結
第一次寫博文，排版有些混亂，后面也會繼續分享opencv的一個學習，希望對大家有所幫助，支持的請大家點贊支持哦！！！
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/293270.html
標籤：其他