本文由@ray 出品,轉載請註明出處。
文章鏈接:
http://blog.csdn.net/wz22881916/article/details/78495543
在學習了一段時間臺大李宏毅關於deep learning的課程,以及一些其他機器學習的書之後,終於打算開始動手進行一些實踐了。
感覺保完研之後散養狀態下,學習效率太低了,於是便想白天學習,晚上對白天學習的知識做一些總結和記錄,如果有不妥的地方,歡迎大家批評指教,共同進步。
一、深度學習框架的選擇
隨着深度學習日趨火熱,技術的逐漸興起,各種深度學習框架也層出不窮。
目前使用普遍的框架有Tensorflow、Caffe、PyTorch、Theano、CNTK等,那麼在這麼多框架中該如何選擇呢?
筆者作爲一個初學者,架不住Tensorflow的名氣之大,所以最開始便選擇了Tensorflow。當然不僅僅只是因爲名氣大,Tensorflow作爲谷歌主持的開源項目,它的社區熱度目前看來是旺盛的,而且現在也最爲流行。聽說,它是在谷歌總結了DistBelief的經驗教訓上形成的;它運行高效、可擴展性強,可以運行在手機、普通電腦、計算機羣上。
下面再簡單介紹一下其他深度學習框架的特點:
(1) Caffe:卷積神經網絡框架,專注於卷積神經網絡和圖像處理,因爲是基於C++語言,所以執行速度非常的快。
(2) PyTorch:動態computation graph!!!(筆者學習Tensorflow一段後,便會轉學PyTorch試試看)
(3) Theano:因其定義複雜模型很容易,在研究中比較流行。
(4) CNTK:微軟開發的,微軟稱其在語音和圖像識別方面比其他框架更有優勢。不過代碼只支持C++.
Tensorflow的一些特性就不再說了,網絡上相關資料也有很多。
下面就介紹一下Tensorflow的安裝,筆者的安裝順序是首先安裝Anaconda、然後安裝Tensorflow、再安裝Pycharm。
二、安裝Anaconda
安裝環境:
雖然筆者用的是mac,自帶了Python,但是還是先安裝了Anaconda(點擊進入官網)。因爲它集成了很多Python的第三方庫,而且可以方便的管理不同版本的Python,在不同版本的Python之間切換。而且Anaconda是一個科學計算環境,在電腦上安裝完Anaconda之後,除了相當於安裝了Python,也安裝好了一些常用的庫。
筆者安裝的是Python 2.7版的Anaconda,在安裝好Anaconda之後,就已經安裝好了Python和一些常用的庫了。此外,還自動安裝了Spyder。
Spyder是Python一個簡單的集成開發環境,和其他的Python開發環境相比,它最大的優點就是模仿MATLAB的“工作空間”的功能,可以很方便地觀察和修改數組的值。
在終端中輸入Spyder就可以打開它了,如下圖所示:
但是筆者更喜歡使用Pycharm作爲開發環境
三、建立、激活、安裝Tensorflow
打開終端,在上面輸入:
conda create -n tensorflow python=2.7
然後等執行完畢之後,再執行:
source activate tensorflow
至此就激活了運行環境。
然後再執行pip install tensorflow
以進行Tensorflow的安裝。
然後再執行以下Hello Tensorflow代碼測試Tensorflow是否安裝成
import tensorflow as tf
hello = tf.constant('Hello Tensorflow!')
sess = tf.Session()
print(sess.run(hello))
a = tf.constant(10)
b = tf.constant(32)
printf(sess.run(a+b))
如果正常的話會提示:
Hello Tensorflow!
42
四、PyCharm IDE
一直使用終端開發的話,實在是太過難用了。筆者選擇了PyCharm作爲開發環境,官網鏈接。這裏筆者用的是社區版(free)。
(1)首先新建一個Pycharm的工程
因爲是做Tensorflow的開發,所以這裏我們只需要選擇圖中所示的interpreter即可。
~/anaconda2/envs/tensorflow/bin/python
這樣就把Tensorflow環境包括了進來,超級方便。
如果平時開發,想用一些輕量級的環境,就選擇其他Python解釋器就可以了。
(2)運行一個demo進行測試
import tensorflow as tf
hello = tf.constant('Hello, Tensorflow!')
sess = tf.Session()
print(sess.run(hello))
a = tf.constant(66)
b = tf.constant(88)
print(sess.run(a + b))
如果出現以下提示,就說明成功了,可以開始接下來的學習了~
Hello, Tensorflow!
154
五、總結
至此,我們便在機器上安裝好了Tensorflow以及其開發環境。
總的來說,只需要以下幾步:
- 安裝Anaconda
- 通過conda建立Tensorflow運行環境
- 激活Tensorflow運行環境
- 安裝Pycharm IDE