Jusqu'à présent, nous utilisions Keras comme backend pour exécuter Tensorflow pour le deep learning. Si vous souhaitez simplement faire du machine learning avec Python, vous pouvez toujours utiliser Keras, mais il existe certaines utilisations où vous souhaitez utiliser les modèles et les pondérations entraînés avec Python en C ++. En fait, ce serait bien d'utiliser le modèle entraîné par Keras, mais il semble plus facile de coder directement avec Tensorflow, qui dispose également d'une API C ++, donc je vais attaquer à partir de là. Tout d'abord, en guise de préparation préliminaire, cet article résume jusqu'au point d'installer Tensorflow dans l'environnement d'Anaconda construit sur Windows et de le vérifier. Les noms des fonctions ont considérablement changé depuis Tensorflow 1.0, donc soyez prudent si vous envisagez de passer à la version 1.0. À propos, veuillez noter que la commande conda qui est répertoriée sur le site officiel tel quel (à compter du 8 mars 2017) ne fonctionnera pas. Si vous souhaitez utiliser un script version 1.0 ou antérieure, consultez le Guide officiel de migration (https://www.tensorflow.org/install/migration). Sinon, Script qui convertit automatiquement est officiellement publié, veuillez donc l'utiliser. ..
(Ajout) Il semble que tensorflow a été mis à jour et peut maintenant être utilisé avec python3.6. J'écrirai bientôt un autre article à ce sujet.
La version d'Anaconda est différente, mais la procédure est la même, veuillez donc vous référer à l'installation d'Anaconda à l'URL suivante. http://qiita.com/tomochiii/items/c17505872781c201d7b1
Tensorflow ne prend actuellement en charge que Python 3.5.x. Lorsque vous installez la dernière version actuelle d'Anaconda selon la procédure ci-dessus, la version de Python installée sera 3.6. Par conséquent, j'ai créé un environnement Python 3.5 en tant qu'environnement virtuel sur Anaconda. Si vous avez sélectionné et installé Python 3.5 comme environnement Anaconda, vous pouvez ignorer cette étape. Pour créer un environnement virtuel Python 3.5 pour Tensorflow, lancez l'invite Anaconda et exécutez la commande suivante: Il est recommandé à ceux qui développent avec Jupyter Notebook d'installer jupyter en même temps.
create_tensorenv
#Créer un environnement virtuel pour tensorflow, les paramètres de nom peuvent être n'importe quoi
$ conda create --name=tensorenv python=3.5
#Vous pouvez installer en même temps en listant le nom du package à la fin
$ conda create --name=tensorenv python=3.5 jupyter numpy <package name> ...
#Vérifier si un environnement virtuel est créé
$ conda info -e
Si le nom spécifié par conda create est dans la liste, il réussit. Utilisez la commande suivante pour accéder à l'environnement virtuel et le quitter. Pour le nom, spécifiez celui de la liste.
activate_tensorenv
#Comment passer à un environnement virtuel
$ activate tensorenv
#Comment sortir de l'environnement virtuel
$ deactivate tensorenv
Si vous faites une erreur, vous pouvez supprimer l'environnement virtuel avec la commande suivante.
remove_tensorenv
#Supprimer l'environnement virtuel
$ conda remove --name=tensorenv --all
Il existe deux commandes pour installer Tensorflow. Vous pouvez l'installer avec l'un des éléments suivants: Version du processeur Commande d'installation de Tensorflow.
install_tensorflow_cpu
#commande d'installation tensorflow 1
$ pip install --upgrade tensorflow
#commande d'installation tensorflow 2
$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.0.0-cp35-cp35m-win_amd64.whl
Commande d'installation de Tensorflow pour GPU. Nous n'avons pas confirmé l'opération ici.
install_tensorflow_gpu
#commande d'installation tensorflow 1
$ pip install --upgrade tensorflow-gpu
#commande d'installation tensorflow 2
$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-1.0.0-cp35-cp35m-win_amd64.whl
La commande 1 vous permet d'installer la dernière version de tensorflow et la commande 2 vous permet d'installer la version spécifiée.
Enfin, vérifiez si l'installation a réussi. Lancez Python à partir de la ligne de commande et voyez si Tensorflow peut être importé.
validate_installation
#Lancez Python
$ python
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Exécutez le script ci-dessus, et si "Hello, TensorFlow!" S'affiche sans aucune erreur, l'installation est terminée!
Une fois que j'ai implémenté un script pour apprendre avec Tensorflow, je voudrais le poster. De plus, s'il y a des parties confuses ou incorrectes dans cet article, je les corrigerai, alors faites-le moi savoir dans les commentaires.