【tensorflow】tensorflow的安装及应用

这篇具有很好参考价值的文章主要介绍了【tensorflow】tensorflow的安装及应用。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

安装tensorflow的三种方法

1.在cmd命令行中输入pip install tensorflow,默认安装最新版【tensorflow】tensorflow的安装及应用

2.其他旧版本的安装,去pypi.org官网

【tensorflow】tensorflow的安装及应用

 可以点击release  history选择想要的版本进行安装【tensorflow】tensorflow的安装及应用

3.安装包安装,找到download files,选择与自己系统匹配的文件进行下载

【tensorflow】tensorflow的安装及应用

 下载完成后,在cmd命令行中输入 pip install 把下载好的安装包拖进来即可


安装tensorflow出现的问题

 我自己选择了第一种方法的安装,安装结束后去pycharm导入模块之后报错,提示没有tensorflow,在网上查找解决方法后发现是没有安装到相应位置。【tensorflow】tensorflow的安装及应用

 解决方法:

在cmd命令行中输入activate zjj(这是我之前用anaconda创建的名为zjj的python3.6环境)进入之前创建好的环境

再次输入pip install tensorflow进行安装

【tensorflow】tensorflow的安装及应用

 之后就提示安装成功tensorflow以及相应的依赖包了,再次进入pycharm导入模块就成功了(注意pycharm里面的环境要选择刚才安装tensorflow的环境)

【tensorflow】tensorflow的安装及应用


请根据给定的100个样本数据找出合适的a,b,c 使得

1.导入100个样本数据

2.构造一个线性模型

3.定义损失函数

4.定义训练函数

5.启动图

6.初始化变量

7. 开始训练

完整代码如下:

import numpy as np   #数据类型默认为64位
import tensorflow as tf         #数据类型默认为32位
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
       #数据类型改为32位
data = np.float32(np.load('line_fit_data.npy'))  # 导入100个样本数据
x_data = data[:, :2]   # 样本自变量
y_data = data[:, 2:]   # 样本实际值
'''
定义计算(计算图)
'''
w = tf.Variable(tf.zeros([2, 1]))   #构建变量两行一列a和b
bias = tf.Variable(tf.zeros([1]))    #构建c
y = tf.matmul(x_data, w) + bias   # 构造一个线性模型,矩阵乘法操作,数据和w相乘加上c
loss = tf.reduce_mean(tf.square(y_data - y))  # 定义损失函数,越低越好(均方误差)

tf.compat.v1.disable_eager_execution()
optimizer = tf.compat.v1.train.GradientDescentOptimizer(0.5)   # 构建梯度下降法优化器
train = optimizer.minimize(loss)   # 定义训练函数
'''
执行计算(会话中)
'''
# 启动会话
sess = tf.Session()
sess.run(tf.global_variables_initializer())   # 初始化所有变量
# sess.run(y)
for i in range(100):
    print('第', i, '轮训练后的模型损失值:', sess.run(loss))
    sess.run(train)   # 开始训练

print(sess.run([w, bias]) )  # y = 0.1*x1 + 0.2*x2 + 0.3
sess.close()

运行结果:

可以看到经过100轮的训练,损失函数的值为 2.7425253e-11,a为0.0999,b为0.1999,c为0.300,而这100个样本点就是通过【tensorflow】tensorflow的安装及应用生成的,可以看出训练后的结果与实际值是很接近的

【tensorflow】tensorflow的安装及应用


 代码运行出现的问题

由于我使用的tensorflow版本是2.0以上版本,出现了以下错误

【tensorflow】tensorflow的安装及应用

解决方法:

增加这一句

tf.compat.v1.disable_eager_execution()

optimizer = tf.train.GradientDescentOptimizer(0.5) 

 改为

optimizer = tf.compat.v1.train.GradientDescentOptimizer(0.5) 

又显示报错Attempting to capture an EagerTensor without building a function.原因是tensorflow版本问题

【tensorflow】tensorflow的安装及应用

增加以下两句即可

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

手写数字识别

首先导入模块,读取数据,实际值用x_data和y_data来表示。

设置网络,定义损失函数以及优化器

启动会话执行操作

from tensorflow.examples.tutorials.mnist import input_data
import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()
mnist = input_data.read_data_sets('MNIST_data', one_hot=True)   # 读取数据
x_data = mnist.train.images
y_data = mnist.train.labels
w = tf.Variable(tf.zeros([784, 10]))   # 网络权值矩阵
bias = tf.Variable(tf.zeros([10]))     # 网络阈值
y = tf.nn.softmax(tf.matmul(x_data, w) + bias)   # 网络输出

cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_data*tf.log(y), axis=1))  # 交叉熵(损失函数)
optimizer = tf.train.GradientDescentOptimizer(0.03)   # 梯度下降法优化器
train = optimizer.minimize(cross_entropy)   # 训练节点
acc = tf.reduce_mean(tf.cast(tf.equal(tf.argmax(y, axis=1), tf.argmax(y_data, axis=1)), dtype=tf.float32))  # 模型预测值与样本实际值比较的精度

sess = tf.Session()  # 启动会话
sess.run(tf.global_variables_initializer())  # 执行变量初始化操作
for i in range(10):
    print(i, '轮训练的精度', sess.run(acc))
    sess.run(train)
    print(sess.run(cross_entropy))
sess.close()

运行结果:

可以看到十轮之后的训练精度达到0.72,交叉熵达到2.05,并不是很理想,可以通过增加训练轮数来优化训练结果

【tensorflow】tensorflow的安装及应用

 上述代码有一个缺点是将所有样本都放到模型里面来训练,这样子计算量很大,尤其是数据集很大的情况下,我们希望每次训练的时候从模型中取出一部分样本来训练。可以把训练样本通过占位符来解决,优化代码如下

 x_data = mnist.train.images
 y_data = mnist.train.labels

改为

x_data = tf.placeholder(tf.float32, [None, 784])  # 占位符:样本自变量
y_data = tf.placeholder(tf.float32, [None, 10])   # 占位符:样本目标变量

for i in range(10):
    print(i, '轮训练的精度', sess.run(acc))
    sess.run(train)
    print(sess.run(cross_entropy))
sess.close()

改为

 for i in range(200):
     x_s, y_s = mnist.train.next_batch(100)   #随机取100个样本
     if i%30 == 0:    #每隔30轮打印一次精度
         acc_tr = sess.run(acc, feed_dict={x_data: x_s, y_data: y_s})
         print(i, '轮训练的精度', acc_tr)
    sess.run(train, feed_dict={x_data:x_s, y_data:y_s})   # 模型训练
sess.close()

 可以查看训练200次之后的精度,为了便于观察,我们每隔30次进行一次打印精度操作

【tensorflow】tensorflow的安装及应用

 最终训练200轮之后,训练精度达到了0.85左右,但是模型的好坏最终我们要通过测试集来评估。在sess.close()前面加上如下代码,即可用测试集来测试模型的准确率

acc_te = sess.run(acc, feed_dict={x_data:mnist.test.images, y_data:mnist.test.labels})  # 测试集精度
print('模型测试精度:', acc_te)

把训练次数调整为500次,每隔100次打印一下精度,可以看到通过500轮的训练,使用测试集测试模型,准确率达到0.87

【tensorflow】tensorflow的安装及应用

 优化模型:可以通过增加训练轮数,改变梯度下降法优化器参数来优化模型,不过由于网络结构的限制,最终模型准确率智能达到0.91左右。

 【tensorflow】tensorflow的安装及应用


手写数字识别运行代码出现的问题

第一个:

【tensorflow】tensorflow的安装及应用

原因:是tensorflow中没有examples,首先找到对应tensorflow的文件。

解决方法:

不知道自己tensorflow的安装位置,进入cmd,我的tensorflow是在anacond的zjj环境中安装的

1.输入conda activate zjj激活环境

2.输入python

3.输入import tensorflow as tf

4.输入tf.__path__查看安装路径(一定要注意path前后都是两个下划线!!!!!) 

进入tensorflow文件夹,发现没有examples文件夹。可以从github上下载完整的文件,然后复制到自己tensorflow的安装目录下。

参考文章:https://blog.csdn.net/qq_42632840/article/details/123963041

【tensorflow】tensorflow的安装及应用

 重新运行,没有报错 

【tensorflow】tensorflow的安装及应用

【tensorflow】tensorflow的安装及应用

第二个:

【tensorflow】tensorflow的安装及应用
原因:tensorflow 2.0版本去掉了placeholder,而tensorflow 1.几版本才有。

在控制台输入pip freeze,查看当前版本

【tensorflow】tensorflow的安装及应用 解决:将

import tensorflow as tf

改为

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

以上实验所需数据放在:http://链接:https://pan.baidu.com/s/1UptIodLkBVTqYEZxVJgRPw?pwd=qblu 提取码:qblu文章来源地址https://www.toymoban.com/news/detail-436443.html

到了这里,关于【tensorflow】tensorflow的安装及应用的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • MySQL三种安装方法(yum安装、编译安装、二进制安装)

    切记:一定要关闭防火墙和selinux!!! 服务器配置:2C4G即可,一台 mysql的官方网站:www.mysql.com 中文官网:https://www.mysql.com/cn/ 1、下载mysql的yum源 2、安装mysql的yum仓库 3、配置yum源 4、安装数据库 5、查找密码 6、修改密码 两种方式: 第一种:登录数据库后操作 第二种:免入

    2024年02月07日
    浏览(48)
  • 搞懂.NET应用程序管理员权限:三种简单方法一网打尽

      概述: .NET应用程序以管理员身份运行的方法包括修改清单文件、项目文件,或在运行时动态请求管理员权限。清单文件和项目文件通过声明UAC请求,而动态请求管理员权限则在程序启动时检查并重新启动。选择适当的方法取决于项目需求和配置。 在.NET应用程序中强制以管

    2024年03月19日
    浏览(58)
  • python安装第三方包(三种方法)

    python安装第三方包(三种方法) 什么是包? 包含一堆python模块,每个模块又包含需多功能的集合体。 Python中有许多的第三包,没有内置,需要安装它们才可以导入使用。 科学计算器:numpy 数据分析:pandas 大数据计算:pyspark、apache-flink 图形可视化:matplotlib、pyecharts 人工智

    2024年02月16日
    浏览(37)
  • pip安装出现SSL问题三种解决方法

     Could not fetch URL https://pypi.org/simple/torchsummary/: There was a problem confirming the ssl certificate: HTTPSConnectionPool(host=\\\'pypi.org\\\', port=443): Max retries exceeded with url: /simple/torchsummary/ (Caused by SSLError(\\\"Can\\\'t connect to HTTPS URL because the SSL module is not available.\\\")) - skipping ERROR: Could not find a version that satisf

    2024年04月09日
    浏览(44)
  • I2C总线驱动:裸机版、应用层的使用、二级外设驱动三种方法

    SOC芯片平台的外设分为: 一级外设:外设控制器集成在SOC芯片内部 二级外设:外设控制器由另一块芯片负责,通过一些通讯总线与SOC芯片相连 Inter-Integrated Circuit: 字面意思是用于“集成电路之间”的通信总线,简写:IIC(或者I2C) i2c传输的要点就是: 传输一个字节 后面必然

    2024年02月09日
    浏览(38)
  • Win11笔记本电脑RTX4080显卡安装Tensorflow-GPU2.6.0方法步骤

    Tensorflow是当前主流的深度学习框架,是深度学习方向从业者和研究生的生产力工具,我在本科参加学科竞赛期间曾经安装过tensorflow1.12版本和对应的keras2.2版本,相对来说,keras提供了较多调用tensorflow的API,这极大地减轻了工作量,而新版的tensorflow2.0及以上版本自带keras,无

    2024年02月14日
    浏览(63)
  • Tomcat安装使用与部署Web项目的三种方法

    ✅作者简介:C/C++领域新星创作者,为C++和java奋斗中 ✨个人社区:微凉秋意社区 🔥系列专栏:MySql一点通 📃推荐一款模拟面试、刷题神器👉注册免费刷题 🔥前言 今天带来 Tomcat 的安装教程,也会讲到各种目录下代表的含义,重点是在Tomcat服务器上面部署Web项目的三种方法

    2024年02月02日
    浏览(49)
  • OpenCV函数应用:基于二值图像的三种孔洞填充方法记录(附python,C++代码)

    函数系列: OpenCV函数简记_第一章数字图像的基本概念(邻域,连通,色彩空间) OpenCV函数简记_第二章数字图像的基本操作(图像读写,图像像素获取,图像ROI获取,图像混合,图形绘制) OpenCV函数简记_第三章数字图像的滤波处理(方框,均值,高斯,中值和双边滤波) OpenC

    2024年02月05日
    浏览(53)
  • Linux:安装jdk的三种方法(yum+rpm+下载包)

    在 linux 上使用 yum 安装是非常粗暴无脑的,但仍然有需要注意的点,不然会掉坑里。这里说一下步骤。 1.1. 执行命令 yum list |grep jdk 查看可安装 jdk 版本 执行成功后可以看见如下的结果: 1.2. 选择一个 java 版本进行安装 这里我们希望安装 java1.8 ,因为我们的机器是64位的,所

    2024年02月03日
    浏览(54)
  • Microsoft Defender SmartScreen 阻止了无法识别的应用启动,Windows已阻止此软件和无法验证发布者两个问题的解决方法(以腾讯云服务器为例的三种保姆级图文解决方法)

    提示:转到日常小技巧专栏,观看更多内容! 点我直达–日常小技巧专栏 在使用腾讯云服务器2019server的时候(这个安全提示好像是win7和win10的特色),运行一些网上下载的软件的时候有安全提示: 强行进行本次运行(本次可以运行,但是之后可能还是会有弹窗) 信任单个

    2024年02月03日
    浏览(90)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包