Winfows下Tensorflow配置与学习

虽然tensorflow在ubuntu下可以正常使用，但是经常重启切换还是不方便，于是尝试在windows下安装tensorflow，调用python接口进行学习编程。

1.Python安装

安装anaconda python 4.3.0.1

windows7下anaconda 的python还是比较方便的。官网提供pyhon2.7的版本和python3.6的版本。windows7下这两个版本都比较坑，试了下，tensorflow都安装失败了。不过python2.7的版本是由于tensorflow本身不支持。而python3.6的则是版本过高了。

关于代理配置

代理下C:\Users\xxx.condarc文件里添加上
proxy_servers: http: XXXXXX https: xxxxxx
写上代理服务器地址。
这个其实只适用于conda命令，而pip就不行了，还得先输一遍set https: xxxxxx,然后才能联网下载包。

降级anaconda python

需要在CMD里输入

conda install python=3.5

这样就能够将anaconda 的pyhton降级成3.5了，安装过程挺长的。

2.Tensorflow安装

按照github上的安装教程，其实可以直接输入

pip install tensorflow

我这里安装的最后是0.10的版本，不是0.12的，不过也够用了。

3.Tensorpack安装

tensorpack是基于tensorflow的一个包，里面实现了许多不同领域的最新模型，见

https://github.com/ppwwyyxx/tensorpack

这个的安装方式也是挺波折的，我安装官方的安装方式不太成功，按照如下的方式进行的：

下载源码并解压，CMD进到路径下
pip install -r tensorpack.requirement.txt
pip install scipy
pip install .

这里用pip list进行查看，是安装上了。但是进入python还是其他编译器，导入这个包还会失败，我的电脑上把这个包安装在了c盘下的一个隐藏目录，那个也是anaconda包所在的路径，里面有site-packages里有tensorpack-0.1.6-py3.5.egg-info这个文件夹，所以就把tensorpack文件夹考进去，并考到anaconda安装目录下的lib\site-packages里，这样就能找到了。

tensorpack里有一些例子，运行还得需要数据集，或者其他依赖项，比如DQN的，这些依赖项windows上不一定有，所以很容易出问题，就没试了。tensorflow本身也自带很多的model的。

4.mnist例子运行

下面是官方的教程网站

http://www.tensorfly.cn/
https://www.tensorflow.org/tutorials/deep_cnn

里面有个新手入门，其中用logistic回归对mnist手写字符进行分类。
官方代码：

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

import tensorflow as tf

x = tf.placeholder("float", [None, 784])
W = tf.Variable(tf.zeros([784,10]))
b = tf.Variable(tf.zeros([10]))

y = tf.nn.softmax(tf.matmul(x,W) + b)

y_ = tf.placeholder("float", [None,10])

cross_entropy = -tf.reduce_sum(y_*tf.log(y))

train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy)

init = tf.initialize_all_variables()

sess = tf.Session()
sess.run(init)

for i in range(1000):
  batch_xs, batch_ys = mnist.train.next_batch(100)
  sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

correct_prediction = tf.equal(tf.argmax(y, 1), tf.argmax(y_, 1))

accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
print (sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels})

用pycharm建立工程和main.py，复制以上代码。这里需要将tensorflow源码里的tortoal下的input_data.py拷贝到工程目录下，它会下载mnist数据，如果下载失败了，自己下，把数据集压缩包放到MNIST_data/目录下即可。运行结果：

这下 tensorflow就可以在windows下正常使用了。

2017.3.4