TensorFlow 环境准备

工欲善其事 必先利其器
+ 虚拟环境
+ Python
+ Tensorflow
+ Jupyter Notebook
+ 依赖库

核心思想就是在虚拟环境中搭建指定版本的Python以及Tensorflow,构造适合你自己的实验沙盒.

1. 环境准备
   1.1 使用virtualenv来管理虚拟的Python环境

   • 用pip安装virtualenv
     sudo easy_install pip
     sudo pip install --upgrade virtualenv

   • 创建一个目录用以存放这些差异化的环境
     sudo mkdir ~/env

   • 安装对应的版本
     virtualenv -p python3 tf

   • 环境切换
     开始:source ~/env/tensorflow/bin/activate
     结束:deactivate
     优化启动命令:sudo printf '\nalias tensorflow="source ~/env/tensorflow/bin/activate"' >> ~/.bashrc
     我自己安装了俩套虚拟环境,一套是python2.7 一套是python3.5
     简化后通过tensorflow或者tf命令就可以进行环境切换.

     
     Screen Shot 2017-08-22 at 10.34.01 PM.png
     

     1.2 安装tensorflow
     不同版本安装方式不一样,具体可以参考官方文档.

   • Mac OS X, Python 2.7:
     (tensorflow)$ pip install --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.9.0-py2-none

   • Mac OS X, Python 3.4+
     (tensorflow)$ pip3 install --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.9.0-py3-non

   1.3 安装Jupyter Notebook
   Jupyter主要是为了我们在一个简单快捷的入口来验证我们代码以及模型.

   • 安装ipython
   • 安装build-essential
   • 用pip安装jupyter 如果是python3高版本,更加简单

   1.4 安装matplotlib:主要是为了图形化显示数据或者结果.
   1.5 安装 scikit-learn: science-kit 科学工具包,用于运算等

   • 需要安装以下包：numpy scipy scikit-learn，其中前两个是scikit-learn的依赖库，选择性安装nose,一个Python下面的测试库，可以用来测试scikit-learn。
   • 命令如 sudo pip install -U numpy scipy scikit-learn

2. 测试一把 jupyter notebook试试

很多时候我们在解决问题的过程中,都是有一个大概的方向,拆解成小模块小问题,逐个击破,上面的步骤其实很多时候随着版本的升级可能具体操作不适用了,但是抓住核心模块,你一样可以解决问题.

Refer:

• <<TensorFlow For Machine Intelligence: A hands-on introduction to learning algorithms>> 此书有网上有对应的pdf版本