Fazit zuerst

** TensorFlow 2.1.0 ist jetzt unter Python 3.7 unter Windows 10 verfügbar! ** ** **

Vorwort

Neulich habe ich versucht, TensorFlow 2.1.0 in der Umgebung von Google Colab zu verwenden. Ich war beeindruckt, dass es praktisch war, es ohne Vorbereitung zu verwenden, aber ich habe versucht, eine Umgebung zu erstellen und zu testen, weil ich es auf einem lokalen Computer und auch auf dem Jupyter-Notebook ausführen wollte, das ich schon lange verwendet hatte. ..

Es wird aus der installierten Anaconda gebaut.

Rauer Fluss

Erstellen Sie eine neue virtuelle Umgebung mit ** Anaconda Navigtor **
Installieren Sie ** Microsoft Visual C ++ Redistributable Package ** für Visual Studio 2015, 2017 und 2019
Installieren Sie Bibliotheken wie ** TensorFlow, matplotlib ** mit Anaconda Navigtor
Installationsbestätigung
Bewegen wir ** TensorFlow 2.0 **, um handgeschriebene Zeichen zu erkennen Ich steckte in zwei Gegenständen fest. Es scheint, dass Sie zusätzliche Pakete installieren müssen, um ** TensorFlow 2.1.0 ** zu verwenden Vielleicht ist dies der Punkt, an dem Sie sich Gedanken über die Installation von ** TensorFlow 2.1.0 ** unter ** Windows 10 ** machen müssen?

1. Erstellen Sie mit Anaconda Navigator eine neue Umgebung

Wenn Sie nicht vorhaben, verschiedene virtuelle Umgebungen zu verwenden, können Sie root verwenden, sodass Sie die Arbeit dieses Elements nicht ausführen müssen. Starten Sie Anaconda Navigtor, wählen Sie Umgebung aus dem linken Menü aus, drücken Sie Erstellen, legen Sie den Umgebungsnamen fest, wählen Sie die Python 3.7-Version aus und erstellen Sie. (Es dauert ein wenig)

2. Installieren Sie das Microsoft Visual C ++ Redistributable Package für Visual Studio 2015, 2017 und 2019

https://support.microsoft.com/en-us/help/2977003/the-latest-supported-visual-c-downloads/ Laden Sie das Microsoft Visual C ++ Redistributable Package für Visual Studio 2015, 2017 und 2019 von der obigen URL herunter und installieren Sie es. Für TensorFlow 2.1.0 und spätere Versionen scheint die in diesem Paket enthaltene Datei msvcp140_1.dll erforderlich zu sein.

Diese Datei selbst ist in Visual Studio 2019 enthalten. Wenn Sie also VS 2019 installiert haben, ist dies in Ordnung.

3. Installieren Sie Bibliotheken wie Tensorflow und matplotlib mit Anaconda Navigtor

Es ist fast Zeit, so weit zu kommen. Gehen Sie zurück zu ** Anaconda Navigator **, wählen Sie die von der Umgebung generierte Umgebung aus, setzen Sie das Element links im rechten Menü auf ALL oder Nicht installiert, suchen Sie nach ** Tensorflow, Matplotlib **, fügen Sie ein Kontrollkästchen hinzu und wenden Sie es an. Es installieren. ** TensorFlow 2.1.0 ** ist eine ziemlich große Bibliothek, daher dauert die Installation einige Zeit, aber warten wir.

4. Installationsbestätigung

Wählen Sie Öffnen mit Python in der Wiedergabetaste rechts neben dem Umgebungsnamen ** Anaconda Navigator ** aus, um eine Eingabeaufforderung zu öffnen. Führen Sie nun die folgenden Schritte aus, um die Version von TensorFlow zu importieren und zu überprüfen. Wenn keine Fehler vorliegen, war die Installation erfolgreich!

import tensorflow
print(tf.__version__)

Warning! HDF5 library version mismatched error Wenn Sie eine solche Fehlermeldung erhalten, besteht die Möglichkeit, dass die HDF5-Bibliothek eine Versionsinkonsistenz aufweist. Nach einmaliger Überprüfung des Vorgangs trat dieses Phänomen auf und TensorFlow konnte nicht importiert werden. Ich habe die HDF5-Bibliothek neu installiert und sie wurde behoben.

pip uninstall h5py
pip install --user h5py

5. Bewegen wir TensorFlow 2.0, um handgeschriebene Zeichen zu erkennen

Dies ist das Ende des Aufbaus der Umgebung für TensorFlow 2.1.0! Schließlich werden wir ein neuronales Netzwerk aufbauen und trainieren, indem wir auf der offiziellen TensorFlow-Website auf "Einführung in TensorFlow 2.0 für Anfänger" verweisen. Starten Sie Jupyter Notebook und führen Sie den folgenden Code aus.

Nehmen Sie zunächst einen Trainingsdatensatz namens mnist für die Bilderkennung usw. auf und erstellen Sie ein Modell des neuronalen Netzwerks

`Datensatz laden, Modell erstellen`


from __future__ import absolute_import, division, print_function, unicode_literals
#Installieren Sie TensorFlow
import tensorflow as tf
#Lesen eines Datensatzes von mnist
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
#Festlegen und Erstellen eines Modells eines neuronalen Netzwerks
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'])

`Modellschulung und Bewertung`


model.fit(x_train, y_train, batch_size=32, epochs=5)
model.evaluate(x_test,  y_test, verbose=2)

Hier sind die Fortschritte und Ergebnisse des Trainings.

`Zeigen Sie den Inhalt des Datensatzes an`


#Hilfsbibliothek importieren
import numpy as np
import matplotlib.pyplot as plt
#10 Daten*Ausgabe auf 6
for i in range(0,60):
  plt.subplot(6,10,i+1)
  plt.imshow(x_train[i],cmap='gray')
plt.show()
print(y_train[0:60])

Der Inhalt des Datensatzes sieht folgendermaßen aus. Sie können sehen, dass es 28 * 28 handgeschriebene Zahlenbilddaten und Nummernschilder enthält.

abschließend

Ich habe ** TensorFlow 2.1.0 unter Python 3.7 ** unter Windows 10 verwendet und ein neuronales Netzwerkmodell trainiert, das auf einem Datensatz handgeschriebener Zahlen von mnist basiert. Als nächstes möchte ich die handgeschriebenen Zahlen vorhersagen, die ich vorbereitet habe.

Quelle

"Installieren von TensorFlow mit pip" https://www.tensorflow.org/install/pip?hl=ja#windows

[PYTHON] Verwenden Sie Tensorflow 2.1.0 mit Anaconda unter Windows 10!