TensorFlow 是由谷歌構(gòu)建的用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的開源機(jī)器學(xué)習(xí)軟件。TensorFlow 的神經(jīng)網(wǎng)絡(luò)以有狀態(tài)數(shù)據(jù)流圖的形式表示。圖中的每個(gè)節(jié)點(diǎn)表示神經(jīng)網(wǎng)絡(luò)在多維數(shù)組上執(zhí)行的操作。這些多維數(shù)組通常稱為“張量(tensors)”，因此命名為“TensorFlow”。

TensorFlow 是一個(gè)深度學(xué)習(xí)軟件系統(tǒng)。根據(jù)谷歌機(jī)器學(xué)習(xí)人工智能系統(tǒng)中的排名(RankBrain)，TensorFlow 可以很好地用于信息檢索。TensorFlow 可以執(zhí)行圖像識(shí)別，如谷歌的?Inception，以及人類語言的音頻識(shí)別。它也有助于解決其他不特定于機(jī)器學(xué)習(xí)的問題，如偏微分方程。

TensorFlow 架構(gòu)允許部署在桌面、服務(wù)器或移動(dòng)設(shè)備中的多個(gè) CPU 或 GPU?上。還有與?CUDA?集成的擴(kuò)展，CUDA 是 Nvidia 的一個(gè)并行計(jì)算平臺(tái)。它可讓部署在 GPU 上的用戶直接訪問虛擬指令集和 GPU 的其他元素，這對(duì)于并行計(jì)算任務(wù)是必需的。

在本教程中，您將安裝“只支持 CPU”的 TensorFlow 版本。這對(duì)于那些想要安裝和使用 TensorFlow 的人來說是非常理想的，不需要依賴 Nvidia 顯卡或者不需要運(yùn)行關(guān)鍵性能的應(yīng)用程序。

您可以通過以下幾種方式安裝 TensorFlow。每種方法都有不同的用例和開發(fā)環(huán)境：

Python 和 Virtualenv：在此方法中，您將安裝 TensorFlow 并在 Python 虛擬環(huán)境中使用 TensorFlow 所需的所有包。這將把您的 TensorFlow 環(huán)境與同一臺(tái)機(jī)器上的其他 Python 程序隔離開來。

Native pip：在此方法中，您將在系統(tǒng)全局中安裝 TensorFlow。這是推薦給多用戶系統(tǒng)上使用 TensorFlow 的那些人。這種安裝方法不會(huì)在包環(huán)境中隔離 TensorFlow，并且可能會(huì)干擾其他 Python 安裝或庫。

Docker：Docker 是一個(gè)容器運(yùn)行時(shí)環(huán)境，它將內(nèi)容完全隔離在系統(tǒng)上預(yù)先存在的包中。在這個(gè)方法中，您使用包含 TensorFlow 及其所有依賴項(xiàng)的 Docker 容器。這種方法非常適合將 TensorFlow 合并到已經(jīng)使用 Docker 的更大的應(yīng)用程序體系結(jié)構(gòu)中。但是這樣做的話 Docker 鏡像將相當(dāng)大。

在本教程中，您將在 Python 虛擬環(huán)境 virtualenv 中安裝 TensorFlow。該方法將 TensorFlow 安裝隔離，并快速啟動(dòng)和運(yùn)行。一旦完成安裝，您將通過運(yùn)行一個(gè)簡(jiǎn)單的 TensorFlow 程序來驗(yàn)證安裝是否成功，然后使用 TensorFlow 來執(zhí)行圖像識(shí)別。

安裝準(zhǔn)備

在開始本教程之前，您需要準(zhǔn)備以下內(nèi)容:

一個(gè)至少 1GB 內(nèi)存的 Ubuntu 16.04 服務(wù)器，根據(jù)?Ubuntu 16.04 初始化服務(wù)器設(shè)置指南進(jìn)行設(shè)置，包括 sudo 非 root 用戶和防火墻。您需要至少 1GB 內(nèi)存的系統(tǒng)才能成功地完成本教程的最后一個(gè)示例。

安裝 Python 3.3 或更高版本以及虛擬環(huán)境 virtualenv。按照如何在 Ubuntu 16.04 上安裝 Python 3?教程以配置 Python 和 virtualenv。

安裝 Git，您可以通過以下方式來實(shí)現(xiàn)，如何在 Ubuntu 16.04 上安裝 Git。您將使用它來下載一個(gè)示例存儲(chǔ)庫。
?

步驟 1 — 安裝 TensorFlow

在此步驟中，我們將創(chuàng)建一個(gè)虛擬環(huán)境并安裝 TensorFlow。

首先，創(chuàng)建一個(gè)名為?tf-demo?的項(xiàng)目目錄：

$?mkdir?~/tf-demo

導(dǎo)航到新創(chuàng)建的?tf-demo?目錄下：

$?cd?~/tf-demo

然后創(chuàng)建一個(gè)名為?tensorflow-dev?的新虛擬環(huán)境。運(yùn)行以下命令創(chuàng)建環(huán)境：

$?python3?-m?venv?tensorflow-dev

這將創(chuàng)建一個(gè)新的?tensorflow-dev?目錄，該目錄將包含環(huán)境被激活時(shí)需要安裝的所有包。它還包括?pip?和一個(gè)獨(dú)立版本的 Python。

現(xiàn)在激活你的虛擬環(huán)境：

$?source?tensorflow-dev/bin/activate

一旦激活，你將會(huì)在你的終端看到如下內(nèi)容：

(tensorflow-dev)username@hostname:~/tf-demo?$

現(xiàn)在可以在虛擬環(huán)境中安裝 TensorFlow。

運(yùn)行以下命令安裝和升級(jí)到?PyPi?中最新版本的 TensorFlow：

(tensorflow-dev)?$?pip3?install?--upgrade?tensorflow

TensorFlow 將開始安裝：

OutputCollecting?tensorflow??Downloading?tensorflow-1.4.0-cp36-cp36m-macosx_10_11_x86_64.whl?(39.3MB)????100%?|████████████████████████████████|?39.3MB?35kB/s...Successfully?installed?bleach-1.5.0?enum34-1.1.6?html5lib-0.9999999?markdown-2.6.9?numpy-1.13.3?protobuf-3.5.0.post1?setuptools-38.2.3?six-1.11.0?tensorflow-1.4.0?tensorflow-tensorboard-0.4.0rc3?werkzeug-0.12.2?wheel-0.30.0

如果你希望隨時(shí)關(guān)閉虛擬環(huán)境，使用下面的命令：

$?deactivate

如果要重新激活環(huán)境，導(dǎo)航至項(xiàng)目目錄并運(yùn)行?source?tensorflow-dev/bin/activate.

現(xiàn)在，您已經(jīng)安裝了 TensorFlow，讓我們確認(rèn)一下 TensorFlow 是否安裝成功。
?

步驟 2 — 驗(yàn)證安裝是否成功

為了驗(yàn)證 TensorFlow 是否安裝成功，我們將在 TensorFlow 中使用非 root 用戶權(quán)限運(yùn)行一個(gè)的簡(jiǎn)單程序。我們將使用慣用的初學(xué)者示例"Hello, world!"作為一種驗(yàn)證形式來驗(yàn)證。我們將使用 Python 的交互式控制臺(tái)(Python's interactive console)來創(chuàng)建這個(gè)程序，而不是創(chuàng)建一個(gè) Python 文件。

要編寫程序，請(qǐng)啟動(dòng) Python 解釋器：

(tensorflow-dev)?$?python

您將會(huì)在終端看到如下的提示

>>>

這是 Python 解釋器的提示符，這表明它已經(jīng)準(zhǔn)備好讓您開始輸入一些 Python 語句。

首先，輸入這一行代碼來導(dǎo)入 TensorFlow 包，并將其作為本地變量?tf。輸入代碼后按回車鍵：

>>>?import?tensorflow?as?tf

接下來，添加這行代碼來設(shè)置信息"Hello, world!"：

>>>?hello?=?tf.constant("Hello,?world!")

然后創(chuàng)建一個(gè)新的 TensorFlow 會(huì)話并將其分配給變量?sess：

>>>?sess?=?tf.Session()

注意：根據(jù)您的環(huán)境，您可能會(huì)看到如下輸出:

Output2017-06-18?16:22:45.956946:?W?tensorflow/core/platform/cpu_feature_guard.cc:45]?The?TensorFlow?library?wasn't?compiled?to?use?SSE4.1?instructions,?but?these?are?available?on?your?machine?and?could?speed?up?CPU?computations.2017-06-18?16:22:45.957158:?W?tensorflow/core/platform/cpu_feature_guard.cc:45]?The?TensorFlow?library?wasn't?compiled?to?use?SSE4.2?instructions,?but?these?are?available?on?your?machine?and?could?speed?up?CPU?computations.2017-06-18?16:22:45.957282:?W?tensorflow/core/platform/cpu_feature_guard.cc:45]?The?TensorFlow?library?wasn't?compiled?to?use?AVX?instructions,?but?these?are?available?on?your?machine?and?could?speed?up?CPU?computations.2017-06-18?16:22:45.957404:?W?tensorflow/core/platform/cpu_feature_guard.cc:45]?The?TensorFlow?library?wasn't?compiled?to?use?AVX2?instructions,?but?these?are?available?on?your?machine?and?could?speed?up?CPU?computations.2017-06-18?16:22:45.957527:?W?tensorflow/core/platform/cpu_feature_guard.cc:45]?The?TensorFlow?library?wasn't?compiled?to?use?FMA?instructions,?but?these?are?available?on?your?machine?and?could?speed?up?CPU?computations.

這告訴你，你有一個(gè)指令集(instruction set)，它可以繼續(xù)優(yōu)化，以獲得更好的 TensorFlow 性能。如果你看到這個(gè)，你可以放心地忽略它并繼續(xù)下面的步驟。

最后，輸入這一行代碼，打印出在之前的代碼行中構(gòu)建的?hello?TensorFlow 會(huì)話的結(jié)果：

>>>?print(sess.run(hello))

您將在控制臺(tái)中看到如下輸出：

OutputHello,?world!

這表明一切都正常，您可以開始使用 TensorFlow 來做一些有趣的事情。

通過按下?CTRL+D?退出 Python 交互式控制臺(tái)。

現(xiàn)在讓我們使用 TensorFlow 的圖像識(shí)別 API 來熟悉 TensorFlow 吧。
?

步驟3 — 使用 TensorFlow 進(jìn)行圖像識(shí)別

現(xiàn)在已經(jīng)安裝了 TensorFlow，通過運(yùn)行一個(gè)簡(jiǎn)單的程序來驗(yàn)證一下，讓我們看看 TensorFlow 的圖像識(shí)別功能。

為了給圖像分類，你需要訓(xùn)練一個(gè)模型。然后您需要編寫一些代碼來使用該模型。要了解更多有關(guān)這些概念的知識(shí)，您可以看一看機(jī)器學(xué)習(xí)的介紹 (An Introduction to Machine Learning)。

TensorFlow 提供了模型和示例的存儲(chǔ)庫，包括代碼和用于對(duì)圖像進(jìn)行分類的訓(xùn)練模型。

使用 Git 將 TensorFlow 模型倉庫從 GitHub 克隆到您的項(xiàng)目目錄中：

(tensorflow-dev)?$?git?clone?https://github.com/tensorflow/models.git

當(dāng) Git 將存儲(chǔ)庫檢出新文件夾?models?時(shí)，您將看到以下輸出：

OutputCloning?into?'models'...remote:?Counting?objects:?8785,?done.remote:?Total?8785?(delta?0),?reused?0?(delta?0),?pack-reused?8785Receiving?objects:?100%?(8785/8785),?203.16?MiB?|?24.16?MiB/s,?done.Resolving?deltas:?100%?(4942/4942),?done.Checking?connectivity...?done.

切換到?models/tutorials/image/imagenet?目錄：

(tensorflow-dev)?$?cd?models/tutorials/image/imagenet

此目錄包含?classify_image.py?文件，它使用 TensorFlow 來識(shí)別圖像。這個(gè)程序在第一次運(yùn)行時(shí)會(huì)從?tensorflow.org?下載一個(gè)經(jīng)過訓(xùn)練的模型。下載該模型需要您的磁盤有 200MB 的可用空間。

在本例中，我們將對(duì)預(yù)處理好的熊貓圖像進(jìn)行分類。執(zhí)行這條命令以運(yùn)行圖像分類器程序：

(tensorflow-dev)?$?python?classify_image.py

您將看到以下輸出：

Outputgiant?panda,?panda,?panda?bear,?coon?bear,?Ailuropoda?melanoleuca?(score?=?0.89107)indri,?indris,?Indri?indri,?Indri?brevicaudatus?(score?=?0.00779)lesser?panda,?red?panda,?panda,?bear?cat,?cat?bear,?Ailurus?fulgens?(score?=?0.00296)custard?apple?(score?=?0.00147)earthstar?(score?=?0.00117)

您已經(jīng)使用了 TensorFlow 的圖像識(shí)別功能對(duì)您的第一個(gè)圖像進(jìn)行了分類。

如果您想要使用另一個(gè)圖像，可以通過將?-- image_file?參數(shù)添加到?python3 classify_image.py?中來實(shí)現(xiàn)。對(duì)于這個(gè)參數(shù)，您將需要傳入圖像文件的絕對(duì)路徑。
?

最后

您已經(jīng)在 Python 虛擬環(huán)境中安裝了 TensorFlow，并通過運(yùn)行幾個(gè)示例驗(yàn)證了 TensorFlow 的運(yùn)行情況?，F(xiàn)在您擁有了一些工具，它們可以讓您探索其他項(xiàng)目，包括卷積神經(jīng)網(wǎng)絡(luò)和?Word Embeddings。

TensorFlow 的開發(fā)者指南是個(gè)非常好的資源和手冊(cè)。您還可以探索?Kaggle，這是一個(gè)檢驗(yàn)機(jī)器學(xué)習(xí)概念實(shí)際應(yīng)用的競(jìng)爭(zhēng)平臺(tái)，您與其他機(jī)器學(xué)習(xí)、數(shù)據(jù)科學(xué)和統(tǒng)計(jì)愛好者進(jìn)行競(jìng)賽。他們有一個(gè)優(yōu)秀的維基主頁，你可以看到和分享一些解決方案，其中一些是在統(tǒng)計(jì)和機(jī)器學(xué)習(xí)技術(shù)的前沿思想。

?