macos使用anaconda配置tensorflow环境

macos基于anaconda的tensorflow环境搭建

Summary

1. 使用anaconda新建一个tensorflow环境。
2. 消除Tensorflow在程序在运行时产生诸多warnings
3. 扩展该环境（增加了matplotlib，scikit-learn库）
4. 使用该环境训练mnist数据集

To be specific

1.使用anaconda新建tensorflow环境

我们打开terminal，输入以下指令创建虚拟环境并安装tensorflow：

这里借鉴这篇blog
step 1. conda create -n Tensorflow pip python=3.6

目前貌似Tensorflow官网上写着只支持到python3.6，所以为了保证没问题建议使用python3.6。

step 2. source activate Tensorflow （进入我们的环境）

step 3 pip install --upgrade pip

step 3. pip install --ignore-installed -upgrade \
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.3.0-py3-none-any.whl

这里原文章中有坑，我们用的是python3版本的tensorflow应该使用tensorflow-1.3.0-py3-none-any.whl而不是tensorflow-1.3.0-py2-none-any.whl。

然后按照图片中步骤如果能够正确输出tf版本就说明安装成功了

消除warnings

我们使用Pycharm这款IDE。如何将anaconda 中的虚拟环境导入到Pycharm网上已经有很多教程了。（并且经验证是可行的,这里就不重复了）。

进入正题：如何消除warnings：

1. 如果使用anaconda安装的tensorflow，可能会有以下错误：
   
   解决方法参考以下blogTensorFlow问题:The TensorFlow library wasn’t compiled to use SSE4.2 instructions, but these are available on your machine and could speed up CPU computations

解决方法：

import os
# 调整warnings提示等级
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

需要在程序中加入两行代码就可以了（虽然这是一种只跟不治本的方法，但初学者只要把warnings消除就行了）,如果想要完全解决这问题，需要使用源代码来编译tensorflow源文件。

2. 出现以下错误：FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy, it will be understood as (type, (1,)) / ‘(1,)type’._np_quint8 = np.dtype([(“quint8”, np.uint8, 1)])

解决方法参考以下blog解决python调用TensorFlow时出现FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecate

点进出现的警告，进入dtype.py，修改对应行的代码，把np.dtype([(“quint8”, np.uint8, 1)])修改为np.dtype([(“quint8”, np.uint8, (1,))])就完美解决了。（可以参考原blog中的图片。）

我个人在安装之后只出现了这两个错误，如果有其他错误的话可以google解决哦。目前已知的错误还有各个库之间版本冲突的问题。如果出现这种问题建议删除原来的虚拟环境重新见一个新的虚拟环境即可。

扩展该实验环境

我们在实际使用中需要matplotlib和scikit-learning库来进行一些操作。（在完成mnist数据集的时候可以通过scikit-learn导入数据集）

1. 安装matplotlib

使用source activate Tensorflow 命令进入虚拟环境后直接使用

pip install matplotlib

如果出现网络问题的话可能是梯子导致的，或者可以采用换一个源来加快速度。我在个人使用中直接pip安装版本是匹配的。

2. 安装scikit-learning

同上直接使用pip install scikit-learn即可。

使用以上环境训练mnist数据集

参考tensorflow中文官网教程教程。