沧州网站域名注册服务公司,0成本无货源开网店,手机软件开发外包,用哪个程序做网站收录好在遥感领域进行深度学习时#xff0c;通常使用python进行深度学习#xff0c;会使用到tensorflow的安装#xff0c;今天小编就给大家介绍如何在Anaconda中安装tensorflow#xff01;
下载Anaconda Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open… 在遥感领域进行深度学习时通常使用python进行深度学习会使用到tensorflow的安装今天小编就给大家介绍如何在Anaconda中安装tensorflow
下载Anaconda Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror 下载完成之后开始安装该勾选的都勾选安装即可可以安装在非C盘。
安装Python
进入到windows中的命令模式
1检测anaconda环境是否安装成功conda --version 2检测目前安装了哪些环境变量conda info --envs 3对于Anaconda中安装一个内置的python版本解析器(其实就是python的版本) 查看当前有哪些可以使用的python版本conda search --full -name python 安装python版本我这里是安装的3.5的版本这个根据需求来吧conda create --name tensorflow python3.5
4激活tensflow的环境activate tensorflow注意这个是在后序安装成功之后才能进行的否则会提示错误 5检测tensflow的环境添加到了Anaconda里面conda info --envs注意基于后序安装成功之后才进行的否则会提示错误 6检测当前环境中的python的版本python --version 7退出tensorflow的环境deactivate 8切换到tensorflow的环境activate tensorflow
上面的这些基本就可以对于Anaconda有一个比较简单的了解其实它就类似于JDK的一些操作比如我们查看jdk的版本也可以用java --version 所以说对于Anaconda去安装tensorflow是比较简单的原因也正是这样也就是是给我们提供了一个基础的依赖环境这样就方便我们进行后面的安装操作
4进行正式的安装Tensorflow 注意事项根据Tensorflow的官方文档可以得到安装tensorflow的一个命令是下面
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow-1.0.0-cp35-cp35m-win_x86_64.whl
但是如果我们在cmd中直接进行这样的话有可能是不能够成功的开始也不知道为什么后面发现是跟电脑的cpu和显卡有点关系所以采取后面的方法进行安装
5通过命令pip install --upgrade --ignore-installed tensorflow 剩下的就是慢慢的等待安装的过程啦
温馨提示1如果在这个命令之后有提示说需要你升级你的pip的版本那么你就根据上面的提示进行命令安装就可以了
6等待完成之后确认是否安装成功 1打开之前安装的Anaconda
这两个都可以我这里说一下使用Anaconda Prompt的方式
方法一步骤①直接点击进入就会显示如下的内容
②切换到tensorflow的环境
③进入python编辑环境
④然后编写一个使用的代码
方法二通过使用Anaconda中的spyder的编辑器
通过这个的方式的话更加简单直接编写上面的代码然后进行运行就可以啦我这里就不多介绍了。。。
7OK到这里的话基本上从安装到成功就已经实现了~~~~
温馨提示如果你发现你的conda和tensorflow环境都是安装成功的但是一用测试代码进行跑的时候就出问题了那么请注意这个原因你由于你在安装tensorflow的时候是直接在cmd下而不是在你用conda激活的一个环境所以导致tensorflow并没有直接嵌入到conda环境所以就导致无法导入模块的一个错误
解决方法1只需要在activate tensorflow ----------注意这个环境是第三步中的第3点里面创建的
2然后再使用第五步中的命令就可以了
二将Tensorflow环境嵌入到编辑器中 环境Tensorflow和Pycharm编辑器
步骤
1下载Pycharm软件这个的话下载安装都很简单所以就不多说了
2使用Pycharm创建一个项目
3设置项目的相关内容
温馨提示注意上面的Interpreter的选择因为我们现在要测试的是tensorflow嵌入到我们的IDE方便我们开发所以这个python解析器就是要选择我们之前安装tensorflow目录下的解析器否则的话我们之后是使用不了tensorflow的模块的内容的哦。。。特别要注意。。。当然如果这里不选择那么在创建工程之后还是可以修改的后面我会说
4创建一个py文件用于编写测试代码
5运行程序代码
OKOK这就说明我们的环境已经整合完成啦。。。。大功告成
温馨提示有时候我们会发现我们引入了tensorflow模块之后那就会报错这个原因有如下可能
1tensorflow没有安装成功这样的话就需要重新按照我的步骤去了
2IDE中的python解析器没有使用tensorflow中安装的那个所以导致无法识别
这个解决方案有两种
第一种就是创建工程的时候就选择正确的解析器也就是我上面所使用的方法
第二种就是在项目工程里面进行修改配置
步骤1选择File----》setting
2
3添加新的解析器
4找到我们安装的Anadonda中的env中的tensorflow中的python.exe
5点击apply应用然后重启我们的IDE这样的话就不会报无法找到tensorflow的模块的错误了。
版本LinuxUbuntu14.0.1 三Linux环境安装Tensorflow通过Anaconda方式 步骤1下载Anaconda的Linux版本 https://www.anaconda.com/download/#linux
从官网的路径进行下载一般都很慢所以大家可以去这个地址进行下载(或者在进行留言也可以)https://download.csdn.net/download/cs_hnu_scw/10389323
2运行下载好的Anaconda,找到下载的目录然后执行命令bash XXXXXXXXX就是Anaconda文件的名字
3一直等待安装完成即可
当出现下面这个的时候
强烈注意一点在安装的时候会提示你是否要将这个添加到环境变量中最好选择Yes要不然每次都要进行额外的手动添加非常的不方便所以强烈建议直接添加到环境变量中
4当执行完成上面的步骤之后对Anaconda 的环境进行测试
执行命令conda --version 作用查看当前Anaconda的版本
如果出现对应的安装版本那么就表示安装成功可以继续后面的安装步骤。
5添加tensorflow的环境。执行命令conda create -n tensorflow python3.5版本的话我个人比较喜欢3.X版本。当执行完成之后就根据提示进行输入yes就可以了慢慢等待。
6激活环境执行命令source activate tensorflow 作用进入到tensorflow的环境
7激活tensorflow的环境执行命令
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0rc0-cp27-none-linux_x86_64.whl
千万要注意一个地方如果你安装的python的版本是2.7.那么就用上面的地址即可如果你用了3.5版本那么久需要对应的修改为如下链接其他版本类似修改
pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.1-cp35-cp35m-linux_x86_64.whl
8执行完之后剩下的就只有等待了对于出现的提示全部都是“yes”即可。
9安装完成之后进行测试。
具体步骤
1在tensorflow的环境下执行命令python 作用表示进入python环境
2然后输入代码这个其实和windows安装的时候测试时一样
import tensorflow as tf hello tf.constant(first tensorflow) sess tf.Session() print sess.run(hello) 如果输出first tensorflow 那么就表示安装成功了。
补充内容
1当需要退出python环境即执行CtrlD或者输入quit即可
2退出tensorflow环境source deactivate
3激活tensorflow环境source activate tensorflow
四Pycharm整合tensorflow环境 1下载Pycharm这个就自己到官网下载Linux的社区版本即可然后对其下载的文件进行相应的解压命令处理就可以了另外的话注意一点在Linux中运行Pycharm不是直接点击就运行而是需要找到对应的目录下bin目录然后执行命令sh pycharm.sh 即可运行Pycharm。
2这个其实和windows的整合方式是一样的只是说tensorflow的路径是不一样的而已所以大家可以参考上面对于Windows版本的详细配置过程即可这里就不多说了。
---------------------------------------------------------------------------------------------------------------------------------
五Tensorflow的案例实践 1案列实践通过百度云盘下载我分享的内容即可里面的内容都是封装好的所以应该能看懂
项目链接https://pan.baidu.com/s/1-TelzkLHodDNsdX6G82ZOg 密码b05p
温馨提示1在运行这个代码的时候会出现ImportError: No module named matplotlib这是因为你python中缺少了这个包所以需要进行额外添加或者进入tensorflow的环境然后通过pip install matplotlib
解决办法进入cmd然后conda install matplotlib 然后等安装成功即可这时候就会找到从而解决这个问题
2手写数字的识别案例
数据https://pan.baidu.com/s/1UC6uBPPOBzZhYvNV93RgNw
代码
#!/usr/bin/python # -*- coding:utf-8 -*- # Time : 2018/3/30 0030 15:20 # Author : scw # File : writenumbercompute.py # 描述进行手写数字的识别的实例分析 import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data # 获取数据 mnist input_data.read_data_sets(E:/tensorflowdata/MNIST_data/, one_hotTrue) print(训练集信息) print(mnist.train.images.shape,mnist.train.labels.shape) print(测试集信息) print(mnist.test.images.shape,mnist.test.labels.shape) print(验证集信息) print(mnist.validation.images.shape,mnist.validation.labels.shape) # 构建图 sess tf.InteractiveSession() x tf.placeholder(tf.float32, [None, 784]) W tf.Variable(tf.zeros([784,10])) b tf.Variable(tf.zeros([10])) y tf.nn.softmax(tf.matmul(x,W) b) y_ tf.placeholder(tf.float32, [None,10]) cross_entropy tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y),reduction_indices[1])) train_step tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy) # 进行训练 tf.global_variables_initializer().run() for i in range(1000): batch_xs, batch_ys mnist.train.next_batch(100) train_step.run({x: batch_xs, y_: batch_ys}) # 模型评估 correct_prediction tf.equal(tf.argmax(y,1), tf.argmax(y_,1)) accuracy tf.reduce_mean(tf.cast(correct_prediction, tf.float32)) print(MNIST手写图片准确率) print(accuracy.eval({x: mnist.test.images, y_: mnist.test.labels})) 3拨号键与短信息图标的识别 功能描述主要是实现对于拨号键图标与短信息键图标的一个识别作为一个简单的分类Demo。
原文链接https://bbs.csdn.net/forums/gisrs?spm1001.2014.3001.6682
