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

2021-12-02 21:18:16 浏览数 (1)

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

代码语言：javascript复制
//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

代码语言：javascript复制
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

代码语言：javascript复制
conda create -n tf2 python=3.6

第五步：激活TensorFlow

代码语言：javascript复制
activate tf2

第六步：安装cpu版本TensorFlow

代码语言：javascript复制
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。

代码语言：javascript复制
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(GRULSTM)
  • 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。

代码语言：javascript复制
# -*- 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：

代码语言：javascript复制
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]]

五.总结

最后希望基础性文章对您有所帮助，作者也是这个领域的菜鸟一枚，希望与您共同进步，后续会继续深入分享Python人工智能系列，如果喜欢点个赞评论，共勉~

参考文献如下，感谢这些大佬！

  • 神经网络和机器学习基础入门分享 - Eastmount
  • Stanford机器学习—第五讲. 神经网络的学习 Neural Networks learning
  • 吴祖增前辈：神经网络入门(连载之一)
  • 吴祖增前辈：神经网络入门(连载之二)
  • 斯坦福机器学习视频NG教授：
  • https://class.coursera.org/ml/class/index
  • 网易云莫烦老师视频（强推） https://study.163.com/course/courseLearn.htm? courseId=1003209007
  • https://zhuanlan.zhihu.com/p/148312957 - DrugAI好友
https python 网络安全 tensorflow

0 人点赞