Introduction de Tensorflow (environnement Win / Anaconda)

L'objectif de cette fois

• Construire un environnement pour Tensorflow
• Installation de Tensorflow
• Didacticiel

Créer un environnement Python pour Tensorflow

Commencez par créer un environnement pour Tensorflow (Python 3.5). Construisez dans un environnement virtuel avec Conda. Exécutez la commande suivante à l'invite de commande

conda create -n tensorflow python=3.5

Il vous sera demandé si vous souhaitez installer les packages requis, alors sélectionnez O L'installation est terminée après un certain temps. Changez d'environnement lorsque l'installation est terminée.

activate tensorflow

Installez Tensorflow

À partir de là, utilisez pip pour installer Tensorflow. pip est le système de gestion de paquets Python de python, qui est souvent utilisé.

Exécutez la commande suivante.

pip install tensorflow
.
.
.
Successfully built protobuf
Installing collected packages: six, protobuf, numpy, werkzeug, tensorflow
Successfully installed numpy-1.12.1 protobuf-3.3.0 six-1.10.0 tensorflow-1.1.0 werkzeug-0.12.2

Si "Protobuf construit avec succès" s'affiche, k

Didacticiel

Il existe un exemple dans la formule Tensorflow, alors déplaçons-le. https://www.tensorflow.org/get_started/get_started

import numpy as np
import tensorflow as tf
# Model parameters
W = tf.Variable([.3], tf.float32)
b = tf.Variable([-.3], tf.float32)
# Model input and output
x = tf.placeholder(tf.float32)
linear_model = W * x + b
y = tf.placeholder(tf.float32)
# loss
loss = tf.reduce_sum(tf.square(linear_model - y)) # sum of the squares
# optimizer
optimizer = tf.train.GradientDescentOptimizer(0.01)
train = optimizer.minimize(loss)
# training data
x_train = [1,2,3,4]
y_train = [0,-1,-2,-3]
# training loop
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init) # reset values to wrong
for i in range(1000):
  sess.run(train, {x:x_train, y:y_train})

# evaluate training accuracy
curr_W, curr_b, curr_loss  = sess.run([W, b, loss], {x:x_train, y:y_train})
print("W: %s b: %s loss: %s"%(curr_W, curr_b, curr_loss))

Exécuter sur python

(tensorflow) C:\work>python tutorial.py
W: [-0.9999969] b: [ 0.99999082] loss: 5.69997e-11

Je ne sais pas ce que c'est si c'est juste le résultat de l'exécution, mais si je l'explique grossièrement

Trouver la relation entre X et Y par régression linéaire (En bref, la pente (W) et b (section) de la droite (Y = WX + b))

Vérifiez-le la prochaine fois

• Programmation Python avec Tensorflow
• Comment utiliser TensorBoard