TensorFlow2.0的搭建

2019-10-06

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。

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：

1	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=3.5	python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

在bash中输入命令：

1	activate tensorflow2 #启动虚拟环境

更新pip：
1
python -m pip install --upgrade pip
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
1
2
3
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)

先测试一下TensorFlow能否正常运行，输入如下代码：
1
2
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
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：
1
2
3
import tensorflow as tf
print(tf.__version__)
mnist = tf.keras.datasets.mnist #mnist手写数字数据集

1 2	(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

1
2
3

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

view：