Python人臉識別專案之基本學習(一):安裝TensorFlow
阿新 • • 發佈:2022-01-23
TensorFlow1.4版本-cpu的安裝
這是我目前用的版本。也是我以後做人臉識別用的版本
1. 安裝安裝Anaconda3
先說說我對為什麼要安裝Anaconda3的理解?
- anaconda是一個開源的python包管理工具,就是管理下面的工具包
- Anaconda包括Conda、Python以及一大堆安裝好的工具包
- 他就能夠將TensorFlow包管理好
- 只要開啟虛擬環境,就是進入了他的範圍內,你就能夠使用它
這個安裝比較簡單,大家可以直接導官網上去下載就可以了
官網地址:https://www.anaconda.com/products/individual
如果你閒下載時間慢,你可以到清華軟體源去下載
這裡有清華軟體源地址:https://mirrors.tuna.tsinghua.edu.cn/
點選下載就可以了。
在進入安裝面的時候你需要注意2點就可以安裝了
2. pip安裝tensorflow-cpu版本
在此之前你需要知道幾個命名
# 檢視conda包下面有幾個虛擬環境
conda info -e
# 建立虛擬環境(這是Python3.5版本的TensorFlow)
conda create -n tensorflow python= 3.5
# 啟用虛擬環境
# 其中tensorflow就是剛剛建立的虛擬環境
activate tensorflow
接下來我們將使用pip安裝虛擬環境
我使用的是清華軟體源下載的的
地址:https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/tensorflow/
滑鼠右鍵複製地址
# 上就是複製得到的地址
# 執行命令
pip install https://mirrors.tuna.tsinghua.edu.cn/pypi/web/packages/ad/8b/acaf89cdccbbbeac798edc45bd8ca92b1ff97b9c49a976c9cc0540b81b74/tensorflow-1.4.0-cp35-cp35m-win_amd64.whl#sha256=15e2f6ea16990811f0a109615898a19359b4af1564f3cf96103be7ab395b370e
等待安裝就好了
3. 測試是否安裝成功
# 在當前的虛擬環境下執行python
# 如圖所示
# 就下來輸入 import tensorflow as tf
# 如果輸入沒有報錯,那麼你就安裝成功了
4. 我遇到的問題
- 如果是如下的情況,不要著急,它是因為numpy版本過高的問題
我們只需要在啟用環境下輸入pip install numpy==1.16.0
- 如果遇到如下情況
也不需要擔心。他的意思就是:你的CPU支援AVX擴充套件,但是你安裝的TensorFlow版本無法編譯使用
解決原因在python環境下輸入
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
5. 在pycharm中使用
如果沒有安裝pycharm的小夥伴,可以去搜索如何去安裝pycharm
接下來我們開啟pycharm
就可以了,接下來我們建立一個工程
我們就可以在pycharm上使用了
檢測程式碼
import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
x1 = tf.placeholder(dtype=tf.float32)
x2 = tf.placeholder(dtype=tf.float32)
x3 = tf.placeholder(dtype=tf.float32)
yTrain = tf.placeholder(dtype=tf.float32)
w1 = tf.Variable(0.1, dtype=tf.float32)
w2 = tf.Variable(0.1, dtype=tf.float32)
w3 = tf.Variable(0.1, dtype=tf.float32)
n1 = x1*w1
n2 = x2*w2
n3 = x3*w3
y = n1 + n2 + n3
loss = tf.abs(y - yTrain)
optimizer = tf.train.RMSPropOptimizer(0.001)
train = optimizer.minimize(loss)
sess = tf.Session()
init = tf.global_variables_initializer()
sess.run(init)
result = sess.run([x1, x2, x3, w1, w2, w3, y, yTrain, loss], feed_dict = {x1: 90, x2: 80, x3: 70, yTrain: 96})
print(result)
執行結果
OK~ 恭喜你,安裝成功
下一步,我們就開始入門吧!