[Python人工智能] 二.TensorFlow环境搭建、学习路线及入门案例

Eastmount

发布于 2021-12-02 21:18:16

6150

发布于 2021-12-02 21:18:16

从本篇文章开始，作者正式开始讲解Python深度学习、神经网络及人工智能相关知识，希望您喜欢。

前一篇文章主要讲解神经网络基础概念，这篇文章详细讲解TensorFlow基础知识，包括安装流程、学习路线及入门案例。基础性文章，希望对您有所帮助，如果文章中存在错误或不足之处，还请海涵。同时自己也是人工智能的菜鸟，希望大家能与我在这一笔一划的博客中成长起来。

文章目录：

一.TensorFlow简介
二.TF安装流程
三.TF学习路线
四.基础案例
五.总结

代码下载地址（欢迎大家关注点赞）：

https://github.com/eastmountyxz/ AI-for-TensorFlow
https://github.com/eastmountyxz/ AI-for-Keras

一.TensorFlow简介

TensorFlow™是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（machine learning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief 。Tensorflow拥有多层级结构，可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究。

TensorFlow由谷歌人工智能团队谷歌大脑（Google Brain）开发和维护，拥有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在内的多个项目以及各类应用程序接口（Application Programming Interface, API）。

TensorFlow官网：

https://tensorflow.google.cn/

TensorFlow 是一个端到端开源机器学习平台。它拥有一个包含各种工具、库和社区资源的全面灵活生态系统，可以让研究人员推动机器学习领域的先进技术的发展，并让开发者轻松地构建和部署由机器学习提供支持的应用。

总之，如果有TensorFlow，我们就可以很自如地玩转神经网络。

二.TF安装过程

TensorFlow即可以支持CPU，也可以支持CPU+GPU。前者的环境需求简单，后者需要额外的支持。TensorFlow的安装方式很多，包括：

pip 安装
virtualenv安装
docker安装
从安装源安装

本文将使用pip安装，pip在每个系统的安装方式包括：

Linux \ MacOS \ Windows
CPU版 \ GPU版（GPU版本比CPU版本快很多倍）
测试版
更新TensorFlow

TensorFlow支持Windows用户，由于我的计算机是Windows操作系统，这里使用该方法进行安装，这里安装的环境为：

Windows10
CPU
TensorFlow2.0
Anaconda
Python3.6

第一步：官网下载Anaconda并安装

第二步：安装Anaconda之后，打开“Anaconda Prompt”命令行，检查Anaconda是否安装成功及环境

//检查Anaconda是否成功安装
conda --version
//检测目前安装了哪些环境
conda info --envs

第三步：检查当前环境可以安装哪些版本的Python，作者选择Python3.6版本

conda search --full-name python

由于作者电脑不支持GPU，所以这里只安装CPU版本，GPU安装推荐下面文章。

tensorflow2.0GPU版本的环境配置与安装教程 normalization
[Tensorflow2.0] Tensorflow2.0的安装教程 - 牛andmore牛

第四步：创建环境，用来安装tensorflow2.0以及相关的python packages

conda create -n tf2 python=3.6

第五步：激活TensorFlow

activate tf2

第六步：安装cpu版本TensorFlow

pip install tensorflow==2.0.0-alpha0

conda search tensorflow #搜CPU版
conda search tensorflow-gpu #搜GPU版
conda install tensorflow=2.0.0 #安装CPU版
conda install tensorflow-gpu=2.0.0 #安装GPU版

此时，表示安装结束，接下来开始确认我们是否安装成功。

第七：打开Anaconda Navigator，选择环境“tf2”，点击spyder下面的“install”。

安装好就变成“Launch”了，点击就可以进去了。

第八步：输入代码验证是否安装成功。

import tensorflow as tf 
print(tf.__version__)

如果需要退出环境，可以输入下面命令。

三.TF学习路线

熟悉作者的人都知道我在2020年底和许老师合作为CSDN做了一份Python学习路线，其中高阶篇有深度学习相关知识点，这里简单给大家介绍下。

深度学习主要知识点总结如下：

1.神经网络基础知识

2.环境配置

3.Theano

4.TensorFlow

核心知识点如下，推荐读者学习，作者也分享。

TensorFlow基础知识
Tensor
Session
Variable
Placeholder
Dropout
Tensorboard
CNN
RNN(GRU\LSTM)
Autoencoder
GNN
神经网络参数保存
神经网络性能评价

5.Keras

6.PyTorch

7.强化学习

四.基础入门

最后给出一个简单的实例代码，后面我会从各个实例和算法实现详细介绍。

# -*- coding: utf-8 -*-
"""
Spyder Editor

This is a temporary script file.

By：Eastmount CSDN YXZ 2019-11-28
"""

import tensorflow as tf 

#查询TensorFlow版本
print(tf.__version__)

#定义a和b为两个常量
a = tf.constant([1, 2], name="a")
b = tf.constant([2, 3], name="b")
print(a)
print(b)

#随机生成一个正态分布
output = tf.random.normal([5,3])
print(output)

#创建2个矩阵并进行相乘
matrix1 = tf.constant([[3,3]])
matrix2 = tf.constant([[1, 2],[3, 4]])
product = tf.matmul(matrix1,matrix2)
print(matrix1)
print(matrix2)
print(product)
print(product.numpy())

输出结果如下所示：

2.0.0-alpha0

tf.Tensor([1 2], shape=(2,), dtype=int32)
tf.Tensor([2 3], shape=(2,), dtype=int32)

tf.Tensor(
[[-2.1826832  -0.32986134 -1.6238695 ]
 [-0.18214056  0.25923613 -0.12570491]
 [ 1.0550841  -0.6655764  -1.5837296 ]
 [-0.10004017  0.0162886   0.9483853 ]
 [ 0.4709251  -0.18713968  0.8347026 ]], shape=(5, 3), dtype=float32)
 
tf.Tensor([[3 3]], shape=(1, 2), dtype=int32)
tf.Tensor(
[[1 2]
 [3 4]], shape=(2, 2), dtype=int32)
 
tf.Tensor([[12 18]], shape=(1, 2), dtype=int32)
[[12 18]]