TensorFlow CPU 开发环境搭建

这篇文章针对在没有或者不想使用GPU的情况下搭建TenforFlow开发环境的场景，对初学者比较友好。TensorFlow的官网有比较详细的环境搭建步骤，但是有些细节可能被官方忽略了，这里基于官网的安装步骤做一个详细的总结。

环境：Windows 10

1. 安装适用于 Visual Studio 2015、2017 和 2019 的 Microsoft Visual C++ 可再发行软件包

转到 Microsoft Visual C++ 下载页面
在页面中向下滚动到Visual Studio 2015、2017 和 2019部分
下载并安装适用于 Visual Studio 2015、2017 和 2019 的 Microsoft Visual C++ 可再发行软件包，通常这里选择64位安装包即可，如下图所示

2. 安装Python

安装 64 位适用于 Windows 的 Python 3 版本，通常直接选择64位可执行安装包即可
安装过程中注意三点，首先要手动选择pip作为可选功能；其次要确保在 Windows 上启用了长路径，通常安装的最后会有提示；最后要注意选择添加到环境变量，如果没有自动添加到环境变量也可以手动添加，需要将Python的安装目录以及目录下的Scripts目录都添加到环境变量中
安装virtualenv，这是一个Python的虚拟环境，建议以管理员身份运行Windows PowerShell，然后执行如下命令

pip3 install -U pip virtualenv

3. 安装PyCharm并新建项目

PyCharm是Python的一个IDE，虽然这是可选的，但对于初学者来说，还是建议安装这样一个便捷且好用的IDE

在官网下载一个社区版本安装即可
打开IDE后，选择New Project新建一个Python项目，这里需要记下虚拟环境的位置，如图中箭头所示，这个虚拟环境是该项目依赖的虚拟环境，这是Python比较特殊的一个地方

4. 安装TensorFlow

激活项目的虚拟环境，以管理员身份运行Windows PowerShell，进入虚拟环境的位置执行下述命令，成功后如图所示

.\venv\Scripts\activate

安装TensorFlow，这时候需要选择对应的版本进行安装，由于不使用GPU，所以我们选择1.15版本（仅支持CPU的版本），安装成功后如图所示

pip install --upgrade tensorflow==1.15

5. 跑一个Hello World

安装成功后我们可以跑一个官网的Hello World 项目

打开IDE，将以下代码复制到py文件中并执行

import tensorflow as tf

# 载入并准备好 MNIST 数据集。将样本从整数转换为浮点数
mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

# 将模型的各层堆叠起来，以搭建 tf.keras.Sequential 模型。为训练选择优化器和损失函数
model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])
# 训练并验证模型
model.fit(x_train, y_train, epochs=5)

model.evaluate(x_test,  y_test, verbose=2)

如果成功我们可以看到上图的结果，这段代码是采用TensorFlow自带的60000张图集训练了一个简单的照片分类器，并采用10000张图集测试分类器的准确率，0.9779是准确率的最终结果

至此一个仅使用CPU的TensorFlow开发环境搭建完成