Tensorflow安装详解与样例Demo演示

在使用Tensorflow进行机器学习之前， 我们需要在自己的机器上先安装相关的软件。我们可以安照Tensorflow官方网站上提供的步骤，一步一步的进行安装。官网上会提供多种环境下的部署方法，包括：Linux， Windows，MacOS和Docker容器等等。一般建议在容器或者Virtualenv这样的虚拟环境下进行Tensorflow的安装以及与此配套的一些第三方软件的集成。比较好的一种方式是对于生产环境可以采用Docker这类的容器进行Tensorflow的部署，而对于开发环境可以采用Conda的依赖环境进行安装。 这样可以保证不同版本之间的强依赖关系，避免依赖导致的不必要的冲突发生。

这篇文章将一步一步的带大家在Conda的依赖环境下安装Tensorflow和其周边的第三方插件， 并且演示一个使用Tensorflow的小示例。接下来，我在Windows设备上操作整个过程。

1. Minconda安装

Minconda和Conda的区别在于Minconda其实就是Conda的一个子集，是Conda的一个简化安装版：

如果您选择Anaconda，可能：
是conda或Python的新手，喜欢一次性安装Python和150多个科学软件包。
有时间和磁盘空间-可能需要几分钟和300MB的磁盘空间。
不想单独安装要使用的每个软件包。

如果您选择Miniconda，可能：
不介意安装要单独使用的每个软件包。
没有时间或磁盘空间来一次安装150个以上的软件包。
希望快速访问Python和conda命令，并且希望以后再整理其他程序。

这里提供Miniconda安装软件的下载地址, 请依据自己的喜好和机器环境酌情选择。如果你下直接安装完整的Conda软件，也可以在这个链接下载。
详细的操作文档请参见：Conda文档。

1.1. 管理Conda

• 通查看Conda的版本验证Conda是否安装：

  C:\Users\44355> conda --version

  或者

  C:\Users\44355> conda -V

  Conda会返回版本号，例如：conda 4.8.0。

• 查看更详细的Conda信息：

  C:\Users\44355> conda info

  Conda返回更多的安装信息，包括安装路径、Conda版本、Python版本、基础环境路径、包缓存路径等。

      active environment : base
     active env location : D:\software\Miniconda3
             shell level : 1
        user config file : C:\Users\44355\.condarc
  populated config files : C:\Users\44355\.condarc
           conda version : 4.8.0
     conda-build version : not installed
          python version : 3.7.3.final.0
        virtual packages :
        base environment : D:\software\Miniconda3  (writable)
            channel URLs : https://repo.anaconda.com/pkgs/main/win-64
                           https://repo.anaconda.com/pkgs/main/noarch
                           https://repo.anaconda.com/pkgs/r/win-64
                           https://repo.anaconda.com/pkgs/r/noarch
                           https://repo.anaconda.com/pkgs/msys2/win-64
                           https://repo.anaconda.com/pkgs/msys2/noarch
           package cache : D:\software\Miniconda3\pkgs
                           C:\Users\44355\.conda\pkgs
                           C:\Users\44355\AppData\Local\conda\conda\pkgs
        envs directories : D:\software\Miniconda3\envs
                           C:\Users\44355\.conda\envs
                           C:\Users\44355\AppData\Local\conda\conda\envs
                platform : win-64
              user-agent : conda/4.8.0 requests/2.22.0 CPython/3.7.3 Windows/10 Windows/10.0.17763
           administrator : False
              netrc file : None
            offline mode : False

• 更新Conda到最新版本：

  C:\Users\44355> conda update conda

  更多参考：Conda Management

1.2. Conda的环境管理

• 命令行创建一个新环境

  C:\Users\44355> conda create --name tensorflow-env

• 命令行激活指定环境

  C:\Users\44355> conda activate tensorflow-env

  激活环境后所有的操作会在当前激活的环境下进行。

• 命令行停用当前环境

  (tensorflow-env) C:\Users\44355> conda deactivate

  更多参考：Conda Environment Management

2. 在tensorflow-env环境下进行Python安装

• 当我们在Conda中激活tensorflow-env环境，则出现如下提示：

  (tensorflow-env) C:\Users\44355>

  此时表明当前已经进入tensorflow-env环境。

• 由于在安装Conda的时候其自身内嵌安装了相应的Python版本，因此我们无需再额外安装Python,就可以直接在tensorflow-env环境中安装Tensorflow。
  首先查看Tensorflow各个版本：

  (tensorflow-env) C:\Users\44355> conda search tensorflow

  或者

  (tensorflow-env) C:\Users\44355> conda search tensorflow-gpu

  选择一个安装版本进行安装：

  (tensorflow-env) C:\Users\44355> conda install tensorflow=1.8.0

  或者直接安装最新版本的Tensorflow：

  (tensorflow-env) C:\Users\44355> conda install tensorflow

• 安装完成后验证Tensorflow是否安装成功：

  (tensorflow-env) C:\Users\44355> python
  >>> import tensorflow as tf  #不报错即安装成功
  >>> exit()
  (tensorflow-env) C:\Users\44355> conda deactivate

  更多参考：Tensorflow官方安装

3. 在tensorflow-env环境下安装常用的第三方软件

3.1. 安装Jupyter

• Jupyter是一款为了开发跨多种编程语言的交互式计算的开源软件，它提供开放的标准和服务。
  JupyterLab是用于Jupyter笔记本，代码和数据的基于Web的交互式开发环境。 JupyterLab非常灵活：配置和安排用户界面以支持数据科学，科学计算和机器学习中的各种工作流程。 JupyterLab是可扩展的和模块化的：编写可添加新组件并与现有组件集成的插件。接下来我们通过pip命令来安装JupyterLab。

  (tensorflow-env) C:\Users\44355> pip install jupyterlab

  更多参考：Jupyter官方安装

• Jupyter Notebook是Jupyter中的一个开源Web应用程序，允许您创建和共享包含实时代码，方程式，可视化效果和叙述文本的文档。用途包括：数据清理和转换，数值模拟，统计建模，数据可视化，机器学习等。我们可以通过命令来启动Jupyter Notebook服务。

  (tensorflow-env) C:\Users\44355> jupyter notebook

  终端上会打印如下启动信息：

  [I 10:20:26.155 NotebookApp] Serving notebooks from local directory: C:\Users\44355
  [I 10:20:26.160 NotebookApp] The Jupyter Notebook is running at:
  [I 10:20:26.161 NotebookApp] http://localhost:8888/?token=00f06b6e31b020740277e2d20eef416da634cc55d6f6a2ba
  [I 10:20:26.162 NotebookApp]  or http://127.0.0.1:8888/?token=00f06b6e31b020740277e2d20eef416da634cc55d6f6a2ba
  [I 10:20:26.162 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).
  [C 10:20:26.406 NotebookApp]
  
      To access the notebook, open this file in a browser:
          file:///C:/Users/44355/AppData/Roaming/jupyter/runtime/nbserver-138920-open.html
      Or copy and paste one of these URLs:
          http://localhost:8888/?token=00f06b6e31b020740277e2d20eef416da634cc55d6f6a2ba
       or http://127.0.0.1:8888/?token=00f06b6e31b020740277e2d20eef416da634cc55d6f6a2ba

  接下来会自动打开浏览器进入Jupyter Notebook操作界面：

  

  更多参考：Jupyter官方文档

3.2. 安装Matplotlib

Matplotlib是一个Python 2D绘图库，它以多种硬拷贝格式和跨平台的交互式环境生成出版物质量的图形。 Matplotlib可用于Python脚本，Python和IPython Shell，Jupyter Notebook，Web应用程序服务器和四个图形用户界面工具包。
接下来我们通过Python来安装Matplotlib插件：

(tensorflow-env) C:\Users\44355> python -m pip install -U pip
(tensorflow-env) C:\Users\44355> python -m pip install -U matplotlib

更多参考：Matplotlib官方安装
现在我们只需几行代码就可以生成图表，直方图，功率谱，条形图，误差图，散点图等。

4. 示例代码演示TensorFlow, Jupyter Notebook, and Matplotlib的使用

接下来，我们在Jupyter Notebook界面中写一段很简单的演示代码。
首先我们在Jupyter Notebook操作界面的右上角单击 new 按钮，然后选择Python版本，这边选择的是安装Conda时自带的Python3.

进入代码操作界面后，可以把默认代码文件名Untitled修改成自己定义的名字，这里修改成“My First Notebook”。

然后我们在代码块区域输入如下示例代码：

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

%matplotlib inline
a = tf.random_normal([2,20])
sess = tf.Session()
out = sess.run(a)
x, y = out
plt.scatter(x, y)
plt.show()

代码中tf.random_normal()函数用于从服从指定正太分布的数值中取出指定个数的值。 shape=[2,20]是输出张量的形状，一个2行20列的矩阵。然后tensorflow运行计算后的输出按行分别传给x和y两个变量。最后以Matplotlib的scatter散点图的方式图形化展示，其中x代表横轴值，y代表纵轴值。
代码可以分成多个代码块，代码块可以通过左上角 + 号增加，最终完成界面如下：

完成Python示例代码后，可以点击 Run 按钮逐步执行代码块，这里代码调用tensorflow正太分布算法，最终结果会使用Matplotlib去直观的展示20个点的随机正太分布情况。

4. 结语

至此整个Tensorflow的安装详解和示例代码演示到此结束，如果需要了解更多的相关细节，请阅读本文中提供的更多的官方链接。如有疑问欢迎大家留言！欢迎来踩留印！