记第一次tensorflow实践

1. 下载安装

我个人建议用docker安装,这样不用被安装时候环境的各种依赖困扰,简单方便。
官方tensorflow的docker地址:Link

官方的地址下载很慢甚至连接失败,比如我就是。
docker_pull_tensorflow_failed

所以我找了个国内的镜像地址下载。

1
docker pull daocloud.io/daocloud/tensorflow:latest

docker_pull_tensorflow

下载的东西有点多(解压后1.25G),需要等待一些时间。
docker_tensorflow_size

2. 运行tensorflow的docker镜像

1
docker run -it -p 8888:8888 daocloud.io/daocloud/tensorflow

docker_tensorflow_run

直接根据提示在浏览器输入提示的地址就可以了。由于我用的是虚拟机,所以我在PC上访问的地址是http://193.192.193.129:8888而不是它提示的地址

输入地址后你就会看到jupyter界面,玩过Python的话别说你不知道jupyter

接下来去官网找一些示例程序,WTF,tensorflow的官网国内访问不了,脑补黑人问号.jpg。那好吧,去它的中文社区了。
tensorflow_official_site看看。

果然有示例程序,复制一下,新建一个main.py文件,把官方的示例程序粘贴进去,然后执行python main.py(由于里面有中文注释,所以需要手动指定编码为utf-8不然会报错)。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
#coding=utf-8
import tensorflow as tf
import numpy as np
# 使用 NumPy 生成假数据(phony data), 总共 100 个点.
x_data = np.float32(np.random.rand(2, 100)) # 随机输入
y_data = np.dot([0.100, 0.200], x_data) + 0.300
# 构造一个线性模型
#
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b
# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
# 初始化变量
init = tf.initialize_all_variables()
# 启动图 (graph)
sess = tf.Session()
sess.run(init)
# 拟合平面
for step in xrange(0, 201):
sess.run(train)
if step % 20 == 0:
print step, sess.run(W), sess.run(b)
# 得到最佳拟合结果 W: [[0.100 0.200]], b: [0.300]

得到以下输出说明环境已经一切OK了,完成了一个简单的基于机器学习的求值程序。
tensorflow_output
上面的WARING是说initialize_all_variables方法将会在2017-03-02之后废弃,使用global_variables_initializer代替(但是,现在都8102年八月了….),可以先不管,把程序跑起来再说。

3. 计划

下一步打算学习一下如何使用tensorflow识别验证码了,然后做一些高科技的事情,再然后可以跟朋友吹嘘我会玩人工智能,哈哈哈。当然,吹归吹,做人还是要踏实,打算用树莓派+openVC+tensorflow做出一个自动欢迎机器再说吧。

Share

如果你觉得本文对你有帮助,可以请我喝杯咖啡。

好吧,请你喝一杯