Tensorflow学习笔记（1）——Tensorflow-CPU版安装躺坑实录

     从今天开始就要出品自己的Tensorflow系列啦！由于是第一篇关于Python的博文，所以先把接触Python以来的感想和心得都放了进来，想看Tensorflow的博友请直接跳到标题三。

 

一、Python，Anaconda，Pycharm到底是什么？

       这个看似很Low的问题在刚刚学Python的时候困扰了我很久。我们要学的是Python，直接去Python官网安装一个Python编译器不就可以了吗？为什么还要大费周折安装Anaconda和Pycharm？

        经过入门的折腾，自己总算有了一个初步的答案：（个人观点，若有错误欢迎大家批评指正！）

       1. Python+各种包=Anaconda：若只安装官网的Python，的确可以完成.py文件的编译。但是在开发中我们会用到各种各样的包。一方面，Anaconda自带了很多经常用到的包，这就为我们后期的直接使用提供了很大的方便；另一方面，我们额外pip的包也将会安装在Anaconda目录下面，例如下图，我们import tensorflow模块，会自动显示这个包的路径，的确是在Anaconda目录下的：

      同时，我们打开Anaconda的安装目录，会发现：目录下有python.exe，这就是编译器

     所以：Anaconda的核心依旧是Python.exe编译器，它的存在会使得Python的包更容易管理。  

     2.Pycharm：我们写好了一个Python程序，只要有Python.exe和必需的包，就可以运行了。但是程序的编写最好要有一个环境，就像VC++ 6.0这样的界面。如果没有界面，仅仅在txt中编辑，那我们的界面会像左图这样，有了界面就像右图一样了。没错，一个IDE环境可以为编程者提供高亮提醒、关键词提示、Debug等功能。Pycharm就是这样一个环境，本身不可以编译py文件，但是可以调用Anaconda的exe完成编译。

二、为什么下载Python相关软件时总会有Linux版本的？很多DL、ML的教程也是在Linux环境下进行教学的？Windows用户才是最普遍的，为什么依然有很多人放弃自己熟悉的Windows而转战Linux环境呢？

      我之前也很迷惑这个问题，直到看了B站的一个教学视频才明白（视频地址文末放送）

      核心原因：

     1.Windows风靡是因为具有友好的操作界面，我们点点鼠标就可以对手边的电脑进行一系列的操作。但是在真正的服务器维护中（大到谷歌、百度、QQ这种大公司，小到学校机房），99%遇到的情况是在一个地方登陆远在千里之外的服务器进行维护。这些维护是没有界面操作的，只能通过终端命令来完成。

      2.Linux的稳定性、实时性比Windows好的多。你的Windows肯定会随着文件的增多而变得卡顿，但是Linux却可以稳定运行

      3.Linux全开源，商家几乎全部选用Linux来完成服务器维护。

      个人建议：先在自己熟悉的Windows环境中学会环境搭建与程序编写。当完成基础学习之后，再进军Linux系统，更接近专业的开发。

三、正文：Tensorflow安装躺坑实录

     这个破东西我整整搞了两天......

      要明确的是，Tensorflow一共有两个版本，一个是CPU版本，一个是GPU版本，那么装哪个版本的呢？

  一定先要搞懂自己电脑的显卡是什么版本的，一般来说，电脑的显卡基本都是由两大厂商所承包的：NVIDIA（绿色Logo）和AMD（红色Logo），如果你是NVIDIA的，那么恭喜你，你的电脑是可以进行深度学习GPU加速的。如果你是AMD的，很遗憾告诉你，你的电脑只能用CPU进行运算。一般来说，GPU加速后的神经网络训练速度要比CPU的快十几倍。但是AMD的也不用担心，因为入门时跑的神经网络都是轻量级的，时间差异不会显现出来的。由于我的电脑是AMD显卡，所以只能安装CPU版本的了。

      GPU版本的安装过程详见此博客：http://www.mclover.cn/blog/index.php/archives/179.html

      好，接下来是CPU版本的安装过程：

      1.安装Visual Studio 2015：如果不安装，IDE将会无法import tensorflow

      2.Win+R打开运行，输入cmd进入终端，输入：   

pip install tensorflow

      然后就是漫长的等待，如果命令窗口重新显示了C:User:>>的话，就表示pip完毕，成功界面如下：

     

      3.打开Pycharm，输入：

import tensorflow as tf
print("123")

      首次导入tf包可能需要较长时间，编译结束后如果没有报错，则安装完毕。

      接下来是我的躺坑过程，都是用时间换来的教训啊.......

   坑1：一定要先确定好自己的电脑显卡是NIVIDA还是AMD的，AMD的不能够安装GPU版本的Tensorflow（我就是先安装了CUDA、CUDNN、Tensorflow-gpu）之后发现自己显卡居然TDM是AMD的，

       坑2：一定要先给电脑安装好VS2015，这个软件安装的时候非常缓慢（我装了将近2个小时），建议在睡觉之前进行安装。如果不安装VS2015，import 时会出现一大堆报错，类似于：

     总结：每次接触一门新的语言或芯片，都要首先花很长的时间在环境的搭建上面，比如51、ARM的Keil，DSP的CCS。安装的过程中也是躺了很多很多的坑。当遇到问题时，一定要多去搜索，积极寻找解决途径。好的开始是成功的一半！

 

文末彩蛋：

1.Python入门教程：https://www.bilibili.com/video/av14184325

2.Tensorflow笔记（北京大学）:https://www.bilibili.com/video/av22530538

3.英文原版《Pattern Recognition and Machine Learning》:

  (上册)：https://download.csdn.net/download/qq_36342854/10594775

  (下册)：https://download.csdn.net/download/qq_36342854/10596375

 

     这是系列博文的第一篇，写的比较啰嗦，不对的地方还请大家批评指正！后面会继续更新Tf的基础知识和实际应用，希望大家持续关注，感谢阅读！

（完）