tf安装及示例

1、TensorFlow是什么？

一个谷歌开源的软件库

• 采取数据流图，用于数值计算
• 支持多种平台 —- GPU CPU 移动设备
• 节点被分分配到各种设备上去运行

2、本地环境安装TensorFlow(virtualenv)

2.1 安装步骤

# 安装virtualenv环境
sudo pip install --upgrade virtualenv
# 创建本地文件夹，用存放虚拟环境
mkdir tensorflow
# 生成虚拟环境
virtualenv --system-site-packages -p python ~/tensorflow
# 激活虚拟环境
source bin/activate
# 借助pip工具 安装TensorFlow
pip install --upgrage tensorflow

2.2 结合vscode使用

• 安装anaconda，用conda命令安装一个虚拟环境带有tensorflow

conda create -n tensorflow python=3.7

• vscode 安装python插件，指定对应的python路径

"python.pythonPath": "/Users/feikaixin/opt/anaconda3/bin/python",
"python.autoComplete.extraPaths": [
    "/Users/feikaixin/opt/anaconda3/lib/python3.7/site-packages",
    "/Users/feikaixin/opt/anaconda3/envs/tensorflow/lib/python3.7/site-packages"
],
"python.autoComplete.addBrackets": true,

• 代码智能提示

但其实在实际开发中vscode的智能提示效果并不是很好

2.3 使用谷歌的colab

这个colab相当于一个jupter notebook，最大的好处是有免费的可使用的GPU

# 因为colab默认选择的是1.x版本的，这里修改
%tensorflow_version 2.x
# 查看是否支持GPU
tf.test.is_gpu_available()

另外要使用GPU需要在修改里面修改notebook的配置添加GPU选型

3、云端环境安装

4、TensorFlow的一些基本概念

• 使用图（graphs）来表示计算任务（图必须在会话中启动）
• 在被称之为回话的（Session）的上下文（context）中执行图
• 使用tensor表示数据
• 通过变量维护状态（variable）
• 使用feed和fetch可以为任意操作赋值或者从其中获取数据

  4.1 具体的一个示例

import tensorflow as tf
# 相当于定义一个会话，并启动默认图
with tf.Session() as sess:
    # 定义两个常量op
    m1 = tf.constant([[2, 3]])
    m2 = tf.constant([[2], [3]])
    # 矩阵乘法
    product = tf.matmul(m1, m2)
    # 在会话中执行
    result = sess.run(product)