TensorFlow学习笔记（一）：快速安装与使用TensorFlow

（2016年9月更新）目前，tensorflow可以使用Anaconda（一个基于python的环境），对于tensorflow来说，可以比较顺利的安装python的相关依赖包，避免各种因为python版本冲突造成的麻烦，经过测试，国内可以访问相关资源。实践了一下，步骤如这个博客所示：http://blog.csdn.net/nxcxl88/article/details/52704877

下面的这个博客主要是使用docker的步骤。

由于国内链接的一些原因，使用TensorFlow的资源比较困难，因此如果直接按照TensorFlow的官网Tutorial会出现各种错误。不过网上的几个资源还是给了一条比较给力的路径来实现TensorFlow的使用。下面就结合这些文章的链接，说一说如何快速安装和配置TensorFlow，并且实现第一个MNIST的例子。

1. 安装TensorFlow

这里只给出如何使用Docker镜像安装，目前找到可以实施的文章是：https://segmentfault.com/a/1190000003984727

可以参考这篇文章中的内容来配置和安装一个docker版本的TensorFlow，安装过程较为简单，而且这篇文章的作者还提供了他/她下载的docker镜像，大概700M。

2. 运行MNIST Beginner Tutorial

2.1 下载可运行的代码

下面这篇文章给出了一个可以很快运行的MNIST的代码版本，并且给出了相应的GITHUB下载地址：http://blog.csdn.net/yhl_leo/article/details/50614444

2.2 配置Docker，在容器（TensorFlow）和主机之间共享下载的文件

2.1步下载代码后，将代码拷贝至主机上的文件夹，用下面的docker 的-v命令在主机和容器之间共享文件夹，并且把代码解压到这个共享文件夹中

docker run -it -v A:B b.gcr.io/tensorflow/tensorflow

其中A为主机上的待共享文件夹的绝对路径，B是容器中的路径。

2.3 下载MNIST数据集

下载地址：http://yann.lecun.com/exdb/mnist/，下载文章最开始的四个压缩文件，将文件直接拷贝到2.2步骤TensorFlow容器中共享路径的Mnist_data文件夹中。

2.4 运行训练

在docker中共享路径下运行如下的指令，

python mnist_softmax.py

即可得到运行结果：

Extracting Mnist_data/train-images-idx3-ubyte.gz
Extracting Mnist_data/train-labels-idx1-ubyte.gz
Extracting Mnist_data/t10k-images-idx3-ubyte.gz
Extracting Mnist_data/t10k-labels-idx1-ubyte.gz

0.9147

最后这个数字就是正确率。

另外，训练结果还可以通过TensorBoard进行可视化，运行的指令如下：

python mnist_with_summaries.py

指令成功后，可以在/tmp文件夹下发现mnist_logs文件夹。

然后启动TensorBoard服务：

tensorboard --logdir=/tmp/mnist_logs

然后在主机上就可以访问下面的网页，其中A是Docker容器的IP地址（需要在TensorFlow容器中用ifconfig查询）：

http://A:6006/

背景：

下面网页上有TensorFlow的中文教程，也是按照TensorFlow的官方文章翻译过来的

http://wiki.jikexueyuan.com/project/tensorflow-zh/tutorials/mnist_beginners.html

教程第一课是“MNIST机器学习入门”，第一个步骤就是要调用MNIST的数据集，给出的方法是用下面的代码：

import tensorflow.examples.tutorials.mnist.input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

但是这段代码运行会出现如下的错误：

ImportError: No module named examples.tutorials.mnist.input_data

这就需要从TensorFlow的官网上下载input_data.py，这个国内可拷贝的链接是：http://blog.csdn.net/fdbptha/article/details/51265430。但是我并没有成功。

http://blog.csdn.net/yhl_leo/article/details/50614444给出的GITHUB中的代码是没有MNIST数据集的，可以手动下载，也可以运行input_data.py。