Python 与 TensorFlow 安装

1.x

1.x

前言

在 GitHub 搜索了一下 python，根据 Most stars 排名，发现了 tensorflow 排名第一。那就证明 python 存在的风向标就是深度学习。

准备和 TensorFlow 彻底刚上了，不会卷积神经网络没关系，不理解人工智能学习原理没关系，高等数学没学过没关系。我要从实际应用出发，从高层延伸原理，用到什么学什么，上面那些相信慢慢也就能学会了。

Python 下载安装

下载地址

3.4、3.5、3.6 或 3.7 都是可以用的

我选择的最新版的 3.7.4 版本。（此时时间：2019 年 7 月 17 日）

• 注：我的学习环境是 Win10 64 位系统。

安装注意事项

• 最后

  安装完毕，查看环境变量有没有如图这两

  

  重启后，测试：打开命令提示符输入如下两行

  python --version
  pip --version

  

  如上图，代表安装成功。。。

看一下 GitHub TensorFlow 项目，找找文档在哪

GitHub 地址

• 最后贴一下 TensorFlow 官方文档地址

  • 能够科学上网，访问如下地址

  www.tensorflow.org

  • 不能科学上网，访问如下地址

  tensorflow.google.cn

创建项目，搭建虚拟 Python 环境

官方环境搭建地址

文档内容说，需要安装 virtualenv。实际 python3 主程序内置虚拟环境指令，完全不需要 virtualenv 的。

• 进入你的项目存放的位置（我的是 D:\www）

  

• 新建目录并进入目录

  mkdir tensorFlow
  cd tensorFlow

• 再一次检测 python 版本

  python --version
  pip --version

• 创建 Python 虚拟运行环境（重要命令）

  python -m venv venv

• 激活虚拟环境

  venv\scripts\activate

  

• 退出虚拟环境

  deactivate

下载安装 TensorFlow

注：以下命令请在虚拟环境中运行

• 首先，升级虚拟环境中 pip

  python -m pip install --upgrade pip

• 然后，升级 setuptools

  pip install --upgrade setuptools

  

• 安装 TensorFlow

  pip install tensorflow

  

  注：安装 TensorFlow 时，自动安装 NumPy，这是处理 Python 复杂数组的数学工具。

好的，安装完成了。我们用 PyCharm IDE 进行代码开发

• 用 PyCharm 打开项目

  

  注意，此时需要设置 IDE 的虚拟环境，来告诉 IDE 虚拟环境中的 python 主程序位置

  

  

• 新建一个 app.py 文件，输入官方文档新手入门代码

  新手入门代码

  

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

• 最后执行这段代码

  python app.py

  

• 结果

  

最后说一下

上面这套新手代码，大概意思是：下载 70000 张服装图片（28 * 28）。60000 张用来学习，10000 张用来测试学习效果。