TensorFlow(1) 原生 Windows 中的部署

一直以来对于机器学习有这浓厚的兴趣。去年MSE毕业论文中使用Python中通过Aprori算法实现，来对ELK的服务器的主机和网络日志进行关联分析，从而通过机器学习来自动归纳服务器故障的关联原因，从而减少日志分析的时间。

不过Aprori算法在计算效率上并没有太多的优势。所以一直想再学习其他的机器学习的技术。随着AI技术的商业化。重新对于神经网络再次进行学习。

主流的神经网络开源框架有Catte，CNTK，TensoFlow

Catte的作者为原Google的贾扬清

CNTK是微软的开源神经网络框架

TensorFlow为2015年11月开源的框架。

一直以来TensorFlow没有官方支持Windows，很巧，就在今天Google官方发布支持Windows。

那么就速度在Windows下安装下把。

-------------------------------------------------------------------------------------------------

一.windows下安装python

本人的环境是

CPU：I74770K

内存：32GB

显卡：390X（可惜了。原因后解释）

OS：Windows1064bit

安装Python 3.5

二.升级PIP

执行python-m pip install --upgrade pip

三.安装 VS C++ 2015

下载路径

https://www.microsoft.com/en-us/download/details.aspx?id=48145

四.安装Numpy+MKL

这里Numpy+MKL无法直接通过pip下载。

需要到

http://www.lfd.uci.edu/~gohlke/pythonlibs/

中寻找WHL文件下载装。

五.安装Scipy

同样在

http://www.lfd.uci.edu/~gohlke/pythonlibs/

中先行下载Scipy 的whl 再进行安装

六.安装matplotlab

执行pip install matplotlib

打开python IDE测试matplotlab

并新建一个python脚本

代码如下

----------------------------------------------------------

importnumpy as np

importmatplotlib.pyplot as plt

plt.figure(1) #创建图表1

plt.figure(2) #创建图表2

ax1 = plt.subplot(211) #在图表2中创建子图1

ax2 = plt.subplot(212) #在图表2中创建子图2

x = np.linspace(0, 3, 100)

for i in xrange(5):

plt.figure(1) #选择图表1

plt.plot(x, np.exp(i*x/3))

plt.sca(ax1) #选择图表2的子图1

plt.plot(x, np.sin(i*x))

plt.sca(ax2) #选择图表2的子图2

plt.plot(x, np.cos(i*x))

plt.show()

------------------------------------------------------

尝试matplotlab是否正常制作图像。

七.安装tensorflow

tensorflow的模块事前安装的条件

Requires Distributions

wheel (>=0.26)

six (>=1.10.0)

protobuf (==3.1.0)

numpy (>=1.11.0)

通过命令 pip freeze确认

环境没有问题后，安装tensorflow。

先前感觉可惜的地方，是tensorflow会区分CPU版和GPU版。

GPU版支持N卡的CUDA8.目前不支持AMD的显卡。所以AMD显卡好也没用啊。

这里我们下载CPU版。

执行命令。

pip installtensorflow

到这里我们安装完tensorflow了。

------------------------------------------------------------------

分享下基础学习的博客

Numpy学习

http://blog.csdn.net/ywjun0919/article/details/8692018

Matlab学习博客