tensorflow安装教程windows,怎么知道tensorflow有没有安装成功

安装说明

　　平台：目前可以安装在Ubuntu、Mac OS、Windows上。

　　版本：提供gpu版本和cpu版本。

　　安装模式：pip模式和Anaconda模式

　　小贴士：

　　目前Windows上支持的python3.5.xgpu版本需要cuda8 cuda8，cudnn5.1

安装进度

。

　　2017/3/4进展：

　　Anaconda 4.3(对应python3.6)正在安装，再次卸载，什么都没有了。

　　2017/3/5进度：

　　Anaconda 4.3(对应python3.6)get

　　蟒蛇中的Python3.5.2get

　　张量流1 . 0 . 0获取

行文思路

　　看别人的教程，总会遇到一些不熟悉的名词，让人望而生畏。

　　所以简单从名词解释开始。

　　然后描述了TensorFlow的安装和一个简单的例子。

　　正如我自己的笔记，

　　也希望wxdggx能和我一样，看到这个教程，觉得很流畅！

CUDA

　　CUDA(计算统一设备架构)是显卡厂商

NVIDIA推出

的

运算平台

。CUDA是NVIDIA推出的

通用并行计算架构

。这种架构使GPU能够解决复杂的计算问题。它包含CUDA指令集架构(ISA)和GPU内部的并行计算引擎。开发人员现在可以使用C语言为CUDA架构编写程序。c语言是应用最广泛的高级编程语言。然后，编写的程序可以在支持CUDA的处理器上以超高性能运行。CUDA3.0已经开始支持C和FORTRAN。

　　计算行业正在从单纯的CPU“中央处理”向

CPU与GPU并用的“协同处理”

发展。为了创造这种新的计算范式，NVIDIA发明了CUDA(计算统一设备架构)，这是一种编程模型，以便在应用程序中充分利用CPU和GPU的各自优势。现在，这种架构已经应用于

GeForce（精视）、ION（翼扬）、Quadro以及Tesla GPU（图形处理器）

。

　　来自百度百科。

　　(所以我不能用我的a卡)

Anaconda

　　Anaconda是Python支持的领先的开放数据科学平台。Anaconda的开源版本是Python和R的高性能分发版本，包括100多个最流行的用于数据科学的Python、R和Scala软件包。

　　从Anaconda的官方下载页面

　　详见Anaconda官方教程，简单易懂！

Anaconda初步学习

　　0.下载Anaconda安装包：Anaconda官方

　　我下载了anacond 4 . 3 . 0 for Windows 64 bit(内置python3.6)

　　下载完就安装，继续下一步。

　　1.检查Anaconda是否成功安装：conda - version

　　(嘻嘻，第一步成功了，开心点)

　　2.检查当前安装了哪些环境：conda info - envs

　　(只有一个！别怕，继续来！)

　　3.查看目前可以安装哪些版本的python:康达搜索-全名python

　　有这么多。你想要哪一个？嘻嘻当然是python3.5)

　　4.安装不同版本的Python:conda create-name tensor flow Python=3.5

　　(猜测输入Python=版本后，系统会自动选择一个3.5.x的版本)

　　(要不要python3.5.3？实验室的服务器上是3.5.2。好吧！)

　　(好，走！)

　　(嘻嘻！好吧！离成功又近了一步！)

　　5.根据提示激活它：激活tensorflow

　　(嘻嘻，它有个小帽子~代表我现在的环境)

　　6.确保名为tensorflow的环境已成功添加：conda info - envs

　　(Bravo！)

　　7.在新环境中检查python版本：python - version

　　(开心开心~)

　　8.退出当前环境：停用

　　(小帽子掉了)

　　9.切换环境：激活张量流

　　激活你想切换到哪个环境~

　　既然本文安装了tensorflow，当然需要avtivate tensorflow！

　　妖精！我来了！

PS：

更多信息请看Anaconda官方教程，通俗易懂，简单易用！不要搜网上教程，没有官方教程看着清爽！

TensorFlow安装

　　本文将tensorflow安装在原生windows系统上，

　　使用anocanda安装方法，

　　cpu版本装的(嗯，作为AMD的显卡，掩面而泣)

　　蟒蛇4.3.0.1(带python3.6)

　　Python3.5.2包含在Anaconda中。

　　今天的主角来了！(噼啪声)

　　1.根据官网的说明：

　　pip安装-忽略-已安装-升级https://storage . Google APIs . com/tensor flow/windows/CPU/tensor flow-1 . 0 . 0-cp35-cp35m-win _ x86 _ 64 . whl

　　好吧，先是打错了，然后是这个！我不知道该怎么办了(o)/~~)

　　2.另一种尝试：pip安装tensorflow

　　(重点，原来是这样的！是我的AMD卡，对应的不一样！)

　　3.确认tensorflow安装成功：

　　错误：直接在cmd中键入python，然后键入import tensorflow作为tf。

　　(小伙子，默认是python3.6，啊啊啊啊啊啊啊啊啊啊啊啊。你得输入你刚从anaconda安装的python3.5！~)

　　试试：输入Anaconda提示符-python，进入安装环境名为tensorflow(我们安装了python3.5.2，记得吗？~)，键入python，然后键入import tensorflow作为tf。

　　Anaconda提示——python可以在此处找到：

　　打开Anaconda Navigator(开始菜单-Anaconda 3-Anaconda Navigator)，玩spyder，点击spyder下的“安装”。一旦安装，就会变成“发射”。点一下就可以进去了。

　　向spyder中的tensorflow问好！

　　输出：

　　(呵呵呵呵哈哈哈，感觉成功了！你呢？~~)

　　参考tensorflow官方文档，请上英文官网。中国社区似乎没有更新windows上的安装。

TensorFlow例程上手

　　新东西装了，先用吧！

　　什么概念？运行完第一个小程序再看！

　　找个成就感继续！

　　示例来源：面向ML初学者的MINIST

　　MINST数据集：

　　5000个训练集，10000个测试集，5000个验证集。每张图片是28像素* 28像素码：

　　#从tensor flow . examples . tutorials . mnist导入数据集input _ datamnist=input _ data . read _ data _ sets( mnist _ data/，One _ hot=true)导入张量流作为TF #输入图像数据占位符x=tf.placeholder (tf.float32，[none，784]) #权重和偏差W=tf。Variable(tf.zeros([784，10]))b=TF . variable(TF . zeros([10]) #使用softmax模型y=tf.nn.softmax (tf.matmul (x，w) b) #代价函数占位符y _=TF . float 32，[none，10])#交叉熵评价代价cross _ entropy=TF . reduce _ mean(-TF . reduce _ sum(y _ * TF . log(y)，Reduction _ indicators=[1minimize(cross _ entropy)# SESSION SESS=TF . interactive SESSION()# Initialize变量TF . global _ variables _ initializer()。Run () #训练模型，训练1000次for _ in range(1000): batch_xs，Batch _ ys=mnist . Train . next _ Batch(100)sess . run(Train _ step，feed _ dict={x: batch _ xs，y _: batch _ ys}) #计算正确的rate _ prediction=TF . equal(TF . arg max(y，)Tf.argmax (y _，1))精度=TF . reduce _ mean(TF . cast(correct _ prediction