TensorFlow框架入门 -- Hello, TensorFlow

TensorFlow从0到1系列回顾

安装方法

在TensorFlow的官方文档中明确提到，即使你的机器中有NVIDIA GPU，也建议初学者先尝试CPU的版本。

使用pip安装

使用Anaconda

它是一个Python的发行版，包含Python和一个包管理器conda，而且包括了常见的科学计算库，比起pip安装这些库要容易的多。此外利用conda可以直接创建和管理虚拟环境，比Native pip方式更加独立和灵活。TF文档强调Anaconda是社区支持，而非官方支持，同时TF团队也不会测试和维护conda package。

源码安装

安装Anaconda

从Anaconda官方下载的最新的“Anaconda3-4.3.1-Windows-x86_64.exe”（422M），清华大学提供了Anaconda镜像，建议从此下载。

安装路径要求不能有空格，于是使用了默认安装路径：“C:UsersEthan”，一路Next安装完毕。安装过程会自动设置Anaconda环境变量。打开命令行，直接键入conda --version，即可检查。为了conda能快速安装其他包，设置了清华的镜像源。操作如下：

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --set show_channel_urls yes

创建conda虚拟环境

为了安装TensorFlow，首先用conda创建一个conda虚拟环境。

conda不仅可以manage package，虚拟环境管理是其另一个非常强大的特性，在虚拟环境下可以隔离不同的package版本组合。我们创建一个干净的tensorflow环境，可以专用于研究和学习TF，而不需要为此动到Python的主环境（主环境可能还要支持其他的项目）。

通过以下命令创建一个名称为tensorflow的虚拟环境（虚拟环境的名字可以任意指定）：

C:> conda create -n tensorflow python=3.5

TensorFlow安装文档中有明确提到：在Windows上TensorFlow仅支持的Python版本是3.5.x。可是前面我安装的Anaconda 4.3.1默认搭配的是Python 3.6。为了防止后续出现兼容性问题，我在上面的命令的末尾加了python=3.5。这个参数表示当前创建的tensorflow虚拟环境搭配3.5.x的Python版本，conda会自动的下载并安装3.5.x最新的版本。

创建虚拟环境的整个过程，如下图所示：

安装TensorFlow

TensorFlow是要安装到刚才创建的虚拟环境中去的。于是要先激活tensorflow环境：

C:> activate tensorflow
（tensorflow）C:> # Your prompt should change

然后再安装TensorFlow 1.1.0的CPU版本：tensorflow-1.1.0-cp35-cp35m-win_amd64.whl。

尽管conda也是包管理器，但是TensorFlow官方建议使用Python原生的包管理器来安装TensorFlow，使用pip install命令，而不要用conda install命令。此外，我这里还使用了清华的TensorFlow镜像url，也就是把官方的https://storage.googleapis.com/替换为https://mirrors.tuna.tsinghua.edu.cn/即可。

(tensorflow)C:> pip install --ignore-installed --upgrade https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/tensorflow-1.1.0-cp35-cp35m-win_amd64.whl 

pip install常见参数解释：

• ignore-installed：强制安装，即便已经安装；
• upgrade：升级；
• no-deps：忽略依赖关系；
• no-cache-dir：不使用缓存；

在安装Tensorflow时，像Numpy这些依赖会自动安装，见下图：

Hello, TensorFlow

不要退出上节启动的虚拟环境，启动python，并直接键入后面的代码即可。

$ python
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))

代码中TensorFlow的各种函数调用，会在后面讲解。

实际运行如下图：

 TensorFlow核心编程

作者黑猿大叔（简书）