Bisher haben wir Keras als Backend verwendet, um Tensorflow für tiefes Lernen auszuführen. Wenn Sie nur maschinelles Lernen mit Python durchführen möchten, können Sie weiterhin Keras verwenden. In einigen Fällen möchten Sie jedoch die mit Python in C ++ trainierten Modelle und Gewichte verwenden. Eigentlich wäre es schön, das von Keras trainierte Modell zu verwenden, aber es scheint einfacher zu sein, direkt mit Tensorflow zu codieren, das auch eine C ++ - API hat, also werde ich von dort aus angreifen. Als vorläufige Vorbereitung fasst dieser Artikel zunächst zusammen, bis Tensorflow in der auf Windows basierenden Umgebung von Anaconda installiert und überprüft wird. Die Funktionsnamen haben sich seit Tensorflow 1.0 erheblich geändert. Seien Sie also vorsichtig, wenn Sie ein Upgrade auf 1.0 planen. Bitte beachten Sie übrigens, dass der Befehl conda, der auf der offiziellen Website (Stand: 8. März 2017) aufgeführt ist, nicht funktioniert. Wenn Sie ein Skript der Version 1.0 oder früher verwenden möchten, lesen Sie das offizielle Migrationshandbuch (https://www.tensorflow.org/install/migration). Oder Skript, das automatisch konvertiert wird offiziell veröffentlicht. Verwenden Sie es daher. ..
(Ergänzung) Es scheint, dass der Tensorflow aktualisiert wurde und mit Python3.6 verwendet werden kann. Ich werde bald einen weiteren Artikel darüber schreiben.
Die Version von Anaconda ist unterschiedlich, aber die Vorgehensweise ist dieselbe. Weitere Informationen finden Sie in der Installation von Anaconda unter der folgenden URL. http://qiita.com/tomochiii/items/c17505872781c201d7b1
Tensorflow unterstützt derzeit nur Python 3.5.x. Wenn Sie die aktuellste Version von Anaconda gemäß dem oben beschriebenen Verfahren installieren, ist die installierte Version von Python 3.6. Daher habe ich auf Anaconda eine Python 3.5-Umgebung als virtuelle Umgebung erstellt. Wenn Sie Python 3.5 als Anaconda-Umgebung ausgewählt und installiert haben, können Sie diesen Schritt überspringen. Starten Sie die Anaconda-Eingabeaufforderung und führen Sie den folgenden Befehl aus, um eine virtuelle Python 3.5-Umgebung für Tensorflow zu erstellen: Denjenigen, die mit Jupyter Notebook entwickeln, wird empfohlen, jupyter gleichzeitig zu installieren.
create_tensorenv
#Beim Erstellen einer virtuellen Umgebung für Tensorflow können Namensparameter beliebig sein
$ conda create --name=tensorenv python=3.5
#Sie können gleichzeitig installieren, indem Sie den Paketnamen am Ende auflisten
$ conda create --name=tensorenv python=3.5 jupyter numpy <package name> ...
#Überprüfen Sie, ob eine virtuelle Umgebung erstellt wurde
$ conda info -e
Wenn der von conda create angegebene Name in der Liste enthalten ist, ist er erfolgreich. Verwenden Sie den folgenden Befehl, um in die virtuelle Umgebung zu wechseln und diese zu verlassen. Geben Sie als Namen den Namen in der Liste an.
activate_tensorenv
#So wechseln Sie in eine virtuelle Umgebung
$ activate tensorenv
#So verlassen Sie die virtuelle Umgebung
$ deactivate tensorenv
Wenn Sie einen Fehler machen, können Sie die virtuelle Umgebung mit dem folgenden Befehl löschen.
remove_tensorenv
#Virtuelle Umgebung löschen
$ conda remove --name=tensorenv --all
Es gibt zwei Befehle zum Installieren von Tensorflow. Sie können es mit einer der folgenden Methoden installieren: CPU-Version Tensorflow-Installationsbefehl.
install_tensorflow_cpu
#Tensorflow-Installationsbefehl 1
$ pip install --upgrade tensorflow
#Tensorflow-Installationsbefehl 2
$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.0.0-cp35-cp35m-win_amd64.whl
Installationsbefehl für Tensorflow für GPU. Wir haben die Operation hier nicht bestätigt.
install_tensorflow_gpu
#Tensorflow-Installationsbefehl 1
$ pip install --upgrade tensorflow-gpu
#Tensorflow-Installationsbefehl 2
$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.0.0-cp35-cp35m-win_amd64.whl
Mit Befehl 1 können Sie die neueste Version von Tensorflow installieren, und mit Befehl 2 können Sie die angegebene Version installieren.
Überprüfen Sie abschließend, ob die Installation erfolgreich war. Starten Sie Python über die Befehlszeile und prüfen Sie, ob Tensorflow importiert werden kann.
validate_installation
#Starten Sie Python
$ python
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Führen Sie das obige Skript aus und wenn "Hallo, TensorFlow!" Ohne Fehler angezeigt wird, ist die Installation abgeschlossen!
Sobald ich ein Skript zum Lernen mit Tensorflow implementiert habe, möchte ich es veröffentlichen. Wenn dieser Beitrag verwirrende oder falsche Teile enthält, werde ich diese korrigieren. Bitte lassen Sie es mich in den Kommentaren wissen.