He necesidades de aprendizaje, que se va a instalar tensorlow, la razón por la instalación de la versión 1.x, debido a que el estudio actual es encontrar un video para las versiones 1.x, y la diferencia entre la versión 1.x y 2.x sigue ahí algunos, creo que por primera vez con la versión 1.x de aprender, después de la instalación del día, me encontré con que esta instalación no es tan fácil, pero después también trato de encontrar un mejor método de instalación, escriba aquí, sobre el registro
yo uso Ubuntu es la versión más básica de la máquina virtual, no añadir nada más, así que lo que cuda los que tienen problemas, pero no me he instalado esta versión, como un relativamente simple y el
tensorflow Hay dos versiones, una para la versión 2.7 de la pitón, y otro para una versión 3.x de pitón, que aquí toma la versión 3.5 de Python (ubuntu16.04 viene con el sistema)
pasos de instalación son los siguientes
1. Instalar PIP3
En un sistema con un python2 y python3 en, pip para la instalación en el python2, PIP3 está dirigido a python3 de montaje
de entrada del terminal sudo apt-get install python3-pipintermedia de entrada y, espera para el final de la instalación
de actualización a la versión más reciente de pepita y PIP3, ha entrado en un terminal:
sudo pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip
sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip
Si durante error debe estar en ella y vuelve a intentarlo
2. Instalación directa tensorflow
Terminal de entrada:
sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.14.0
He descargado la versión 1.14.0 aquí es porque me encontré con que otras versiones tienen un problema con él, 1.14.0 directamente en la línea! ! !
A continuación, instalar varios paquetes de funciones tensorflow, aquí sólo para esperar, si el error aparece intermedia rojo tratando de ejecutar el comando de nuevo!
Vea éstas instalación básica puede considerarse completa! !
3. La prueba se ha completado
En el terminal de entrada python3.5, tenga en cuenta que si la entrada python, a continuación, abra la python2.7 por defecto
de entrada
import tensorflow as tf
Las palabras parecen representar la instalación de casi todo el mismo, este salto no es error, pero una serie de declaraciones de variables como demasiados problemas para hacer estos registros siempre se produce, lo que resulta en la sensación de uso no es muy bueno! ! !
archivo test.py próxima Nuevo en el escritorio:
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
plotdata = {"batchsize":[], "loss":[]}
def moving_average(a, w=10):
if len(a)<w:
return a[:]
return [val if idx < w else sum(a[(idx-w):idx])/w for idx, val in enumerate(a)]
# 模拟数据
train_X = np.linspace(-1, 1, 100)
train_Y = 2*train_X + np.random.randn(*train_X.shape)*0.3 # 加入了噪声
# 图形展示
plt.plot(train_X,train_Y,'ro',label="original data") # label数据标签
plt.legend()
plt.show()
tf.reset_default_graph() # 重置会话
# 创建模型
# 占位符
X = tf.placeholder("float")
Y = tf.placeholder("float")
# 模型参数
W = tf.Variable(tf.random_normal([1]), name="weight")
b = tf.Variable(tf.zeros([1]), name="bias")
# 前向结构
z = tf.multiply(X, W) +b
# 反向优化
cost = tf.reduce_mean(tf.square(Y-z))
learning_rate = 0.01
optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(cost)
# 初始化变量
init = tf.global_variables_initializer()
# 参数设置
training_epochs = 20
display_step = 2
saver = tf.train.Saver() # 模型生成，并保存
savedir = "log/"
# 启动session
with tf.Session() as sess:
sess.run(init)
for epoch in range(training_epochs):
for (x, y) in zip(train_X,train_Y):
sess.run(optimizer, feed_dict={X:x, Y:y})
# 显示训练中的详细信息
if epoch % display_step == 0:
loss = sess.run(cost, feed_dict={X:train_X, Y:train_Y})
print("Epoch:",epoch+1,"cost=", loss,"W=",sess.run(W),"b=",sess.run(b))
if not (loss=="NA"):
plotdata["batchsize"].append(epoch)
plotdata["loss"].append(loss)
print("finished!")
saver.save(sess, savedir+"linermodel.cpkt")
print("cost=",sess.run(cost, feed_dict={X:train_X, Y:train_Y}),"W=", sess.run(W),"b=",sess.run(b))
# 图形显示
plt.plot(train_X, train_Y, 'ro', label='Original data')
plt.plot(train_X, sess.run(W) * train_X + sess.run(b), label='Fitted line')
plt.legend()
plt.show()
plotdata["avgloss"] = moving_average(plotdata["loss"])
plt.figure(1)
plt.subplot(211)
plt.plot(plotdata["batchsize"], plotdata["avgloss"], 'b--')
plt.xlabel('Minibatch number')
plt.ylabel('Loss')
plt.title('Minibatch run vs. Training loss')
plt.show()
Antes de ejecutar este archivo, necesita descargar algunas librerías utilizadas en este programa:
sudo apt-get install python3-tk
sudo pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib
Por supuesto, más de dos, utilizan diferentes módulos algunas bibliotecas han utilizado para obtener la biblioteca, se puede descargar en la demanda
, finalmente, ejecutar:
cd Desktop/
python3.5 test.py
La página básica se muestra, aquí en las instrucciones para instalar el uso básico
**
nota final, me entero de que aquí es facilitar la instalación de 1.14.0, la versión actual se ha obtenido a 2.1.0, o desea actualizar más tarde! ! ! !
**
