anaconda指的是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。它是一个用python开发机器学习的必备工具。
大名鼎鼎,相信不知道tensorflow的人应该不是很多,目前github上最火的项目之一。
TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统,其命名来源于本身的运行原理。Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流图的计算,TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。
TensorFlow可被用于语音识别或图像识别等多项机器学习和深度学习领域,对2011年开发的深度学习基础架构DistBelief进行了各方面的改进,它可在小到一部智能手机、大到数千台数据中心服务器的各种设备上运行。TensorFlow将完全开源,任何人都可以用。
选择相应的Anaconda进行安装,下载地址点击 这里,下载对应系统版本的Anaconda。
就和安装普通的软件一样,全部选择默认即可,注意勾选将python3.6添加进环境变量。
这样Anaconda就安装好了,我们可以通过下面的命令来查看Anaconda已经安装了哪些包。
运行 开始菜单->Anaconda3—>Anaconda Prompt
:
登录后复制
conda list1.
可以看到已经安装了numpy、sympy等常用的包。
TensorFlow目前在Windows下只支持Python 3.5版本。
打开Anaconda Prompt,输入如下代码:
登录后复制
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/conda config --set show_channel_urls yes1.2.
同样在Anaconda Prompt中利用Anaconda创建一个python3.5的环境,环境名称为tensorflow ,输入下面命令:
登录后复制
conda create -n tensorflow python=3.51.
运行 开始菜单->Anaconda3—>Anaconda Navigator
,点击左侧的Environments
,可以看到tensorflow
的环境已经创建好了。
在Anaconda Prompt中启动tensorflow环境:
登录后复制
activate tensorflow1.
安装cpu版本的TensorFlow
登录后复制
pip install --upgrade --ignore-installed tensorflow1.
测试tensorflow
在Anaconda Prompt中启动tensorflow环境,并进入python环境。
测试代码如下:
登录后复制
import tensorflow as tfhello = tf.constant('Hello, TensorFlow!')sess = tf.Session()print(sess.run(hello))1.2.3.4.
能够在控制台看到输出“Hello, TensorFlow!”。
打开Anaconda Navigator
,选择Not installed
找到 ipython和Spyder并安装,然后切换到installed
,可以看到两个都已经安装好,打开Spyder。
运行测试代码:
登录后复制
import tensorflow as tfa = tf.placeholder("int32")b = tf.placeholder("int32")y = tf.multiply(a, b)sess = tf.Session()print(sess.run(y, feed_dict={a: 3, b: 3}))sess.close()1.2.3.4.5.6.7.8.
我们能够在控制台看到输出的结果。
使用Anaconda能够快速的对科学计算进行开发,不需要考虑太多的依赖问题,它本身提供了各个平台的不同版本,使用开发科学计算更加的简单快捷。
免责声明:本文系网络转载或改编,未找到原创作者,版权归原作者所有。如涉及版权,请联系删