TensorFlow2.0的搭建

前言

由于学习需要,对于深度学习的已经有了一些基本的了解,在2019年秋的Google大会上,Google Docs正式发布了TensorFlow2.0版本,非常欣喜的是2.0的版本内置了Keras ,当年我使用Keras的时候真的非常的方便,现在官网内置了,怀着激动的心情想要体验一下TensorFlow2.0版本。

<div align=center>


</div>

准备

安装TensorFlow2.0你需要预先安装好一些环境,相关的安装信息请前往TensorFlow官网进行查看,我这边是使用的Windows系统进行安装,使用的是NVIDIA的独立显卡。
需要使用TensorFlow的GPU版本,所以需要提前安装的有:

  • CUDA
  • CUDNN
  • python3+

如果需要虚拟环境还需要安装:

  • Anaconda

如果是安装CPU的版本便不需要安装提前安装,只需要有python即可

安装

一、虚拟环境搭建(Anaconda)

有了这些提前的准备,TensorFlow2.0的安装就水到渠成了,我使用的是Anaconda的虚拟环境,所以我首先先建立一个虚拟环境:

conda create --name tensorfow2 python=3.5 anaconda
命令解释
create建立一个新的虚拟环境
--name tensorflow2环境名称为tensorflow2
python=3.5python版本为3.5
anaconda安装anaconda的软件包(比如jupyter,numpy)
二、打开虚拟环境并安装TensorFlow2.0
  1. 在bash中输入命令:

    activate tensorflow2   #启动虚拟环境
  2. 更新pip:

    python -m pip install --upgrade pip
  3. 使用pip安装TensorFlow2.0
    现阶段的TensorFlow已经默认安装2.0.0版本所以在安装的时候只需要键入以下代码

    pip install tensorflow   #CPU的版本使用这个命令
    #-----------------------------------------------
    pip install tensorflow-gpu #GPU版本使用这个命令


当看到successful的时候就说明安装成功啦

体验

当我们成功安装了TensorFlow自然是要体验一把了,我使用jupyter notebook进行运行体验(也可以使用pycharm等IDE编写代码)
<div align=center>

</div>

  1. 先测试一下TensorFlow能否正常运行,输入如下代码:

    import tensorflow as tf
    print(tf.__version__)

    出现 2.0.0 字样就说明正常运行,否则就是安装的流程有问题了

  2. 接下来我们看一下官方的 初学者TensorFlow2.0教程 具体的代码就请自行去官网看了。
    这里只把我的代码粘贴出来:
import tensorflow as tf
print(tf.__version__)
mnist = tf.keras.datasets.mnist #mnist手写数字数据集
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0 #数据集赋值并统一化
model = tf.keras.models.Sequential([                 #建立模型
  tf.keras.layers.Flatten(input_shape=(28, 28)),     #输入层28*28
  tf.keras.layers.Dense(128, activation='relu'),     #隐藏层128单元,激活函数relu
  tf.keras.layers.Dropout(0.2),                      #dropout是20%
  tf.keras.layers.Dense(10, activation='softmax')    #输出层10,激活函数是softmax
])

model.compile(optimizer='adam',                      #优化器是adam
              loss='sparse_categorical_crossentropy',#loss计算用交叉熵
              metrics=['accuracy'])                  #衡量指标用ACC
model.fit(x_train, y_train, epochs=5)               #训练模型5遍

model.evaluate(x_test,  y_test, verbose=2)          #验证模型准确率

结果如图,正确率97%,我们已经初步体验了TensorFlow2.0+Keras,可以继续TensorFlow的学习了
<div align=center>

</div>

Last modification:October 6th, 2019 at 05:20 pm
If you think my article is useful to you, please feel free to appreciate

Leave a Comment