tensorflow 和 keras 相关
一、tensorflow 相关
TensorFlow 是一个编程系统, 使用图 (graph) 来表示计算任务。 在被称之为 会话 (Session) 的上下文 (context) 中执行图。 使用 tensor 表示数据。 通过 变量 (Variable) 维护状态。 使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据。
$ python
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a+b))
42
import tensorflow as tf
# 创建一个变量, 初始化为标量 0.
state = tf.Variable(0, name="counter")
# 创建一个 op, 其作用是使 state 增加 1
one = tf.constant(1)
new_value = tf.add(state, one)
update = tf.assign(state, new_value)
# 启动图后, 变量必须先经过`初始化` (init) op 初始化,
# 首先必须增加一个`初始化` op 到图中.
init_op = tf.initialize_all_variables()
# 启动图, 运行 op
with tf.Session() as sess:
# 运行 'init' op
sess.run(init_op)
# 打印 'state' 的初始值
print(sess.run(state))
# 运行 op, 更新 'state', 并打印 'state'
for _ in range(3):
sess.run(update)
print(sess.run(state))
1、安装 tensorflow
pip install tensorflow
pip install tensorflow # Python 2.7; CPU support (no GPU support)
pip install tensorflow-gpu # Python 2.7; GPU support
[win10安装tensorflow]
https://www.jianshu.com/p/1fad663dabc3
https://zhuanlan.zhihu.com/p/35717544
2、测试是否安装成功
python -c "import tensorflow as tf; tf.enable_eager_execution(); print(tf.reduce_sum(tf.random_normal([1000, 1000])))"
3、测试是否支持GPU
python -c "import tensorflow as tf; tf.Session(config=tf.ConfigProto(log_device_placement=True))"
4、相关博客
tensorflow图片识别
https://blog.csdn.net/gaohuazhao/article/details/72886450 https://blog.csdn.net/qq_39521554/article/details/79335733 https://blog.csdn.net/ShadowN1ght/article/details/78076081 https://www.cnblogs.com/seven-M/p/8516080.html
tensorflow 人脸识别
https://blog.csdn.net/qq_42633819/article/details/81191308 https://blog.csdn.net/niutianzhuang/article/details/79191167 https://blog.csdn.net/justin_kang/article/details/79627951
二、keras 相关
1、安装keras
pip install keras
2、相关博客
三、tensorboard 相关
1、tensorboard相关
tensorboard
执行上述代码，会在“当前路径/logs”目录下生成一个events.out.tfevents.{time}.{machine-name}的文件。在当前目录新建“查看训练过程.bat”，里面输入。
tensorboard --logdir=K:\AI\content\test\hl
python /home/bids/.local/lib/python2.7/site-packages/tensorboard/tensorboard.py --logdir='/tmp/keras_log'
四、其他
1、其他常用库安装
pip install matplotlib numpy
五、TensorFlow GPU训练环境搭建
1.安装NVIDIA显卡驱动
- 禁用nouveau，在终端（Ctrl-Alt+T）输入：
sudo gedit /etc/modprobe.d/blacklist.conf
在最后一行添加：
blacklist nouveau
保存退出，在终端（Ctrl-Alt+T）执行命令：
sudo update-initramfs -u
重启之后执行
lsmod | grep nouveau #没有输出则说明配置成功
- 安装驱动，Ctrl-Alt+F1进入命令行界面之后输入用户名和密码登录 ，找到驱动文件NVIDIA_xxx.run所在目录（默认为当前用户目录的Downloads目录下）并赋予该文件可执行权限，然后进行安装：
cd Downloads
sudo chmod a+x NVIDIA_xxx.run
sudo service lightdm stop #关闭图形界面
sudo ./xxx.run -no-nouveau-check -no-opengl-files
完成后重启。
2.安装NVIDIA CUDA Toolkit 9.0
- Ctrl-Alt+F1进入命令行界面之后输入用户名和密码登录 ，找到CUDA9.0文件cuda_xxx.run所在目录（默认为当前用户目录的Downloads目录下）并赋予该文件可执行权限，然后进行安装：
cd Downloads
sudo chmod a+x cuda_xxx.run
sudo service lightdm stop #关闭图形界面
sudo ./xxx.run
注意：安装过程中当询问是否安装显卡驱动时选n，因为先前已安装完显卡驱动无需再进行安装。
- 配置环境变量：
sudo service lightdm start #开启图形界面
登录系统，打开终端（Ctrl-Alt+T）：
sudo gedit /etc/profile
在最后添加：
export PATH=/usr/local/cuda-9.0/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-9.0/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
保存退出，立即生效：
source /etc/profile
完成后重启。
- 验证CUDA，打开终端（Ctrl-Alt+T）输入：
nvcc -V
出现相应版本号信息则说明安装成功。
3.安装NVIDIA cuDNN 7.4
1.打开终端（Ctrl-Alt+T），找到cuDNN文件libcudnn7_xxx.deb、libcudnn7-dev_xxx.deb、libcudnn7-doc_xxx.deb所在目录（默认为当前用户目录的Downloads目录下），进行安装：
sudo dpkg -i libcudnn7_xxx.deb
sudo dpkg -i libcudnn7-dev_xxx.deb
sudo dpkg -i libcudnn7-doc_xxx.deb
若不报错则说明安装成功。
- 验证cuDNN是否已安装并可以正常运行，复制cuDNN sample到当前用户目录下：
cp -r /usr/src/cudnn_samples_v7/ $HOME
进入cuDNN相应测试样本的路径：
cd $HOME/cudnn_samples_v7/mnistCUDNN
编译该测试样本：
make clean && make
运行该测试样本：
./mnistCUDNN
若cuDNN安装并可正常运行则会出现：
Test passed!