《智能系统与技术丛书 生成对抗网络入门指南》—2.2TensorFlow基础入门

2.2　TensorFlow基础入门

2.2.1　TensorFlow简介与安装

       TensorFlow（见图2-8）是目前行业中最著名的机器学习框架之一，由谷歌大脑团队研发并在2015年开源，开发团队具备很强的机器学习能力，项目一直处于稳定的更新中。TensorFlow的开发者社区也非常活跃，目前网络上大量的机器学习开源项目均是由TensorFlow开发完成的，大量的企业也开始把TensorFlow作为标准化的机器学习工具。

       在硬件层面上，谷歌在2016年推出了专门面向TensorFlow深度学习的专用处理芯片TPU（见图2-9）。相比于传统的图像处理器GPU，TPU的功耗更低、速度更快。著名的围棋软件AlphaGo也采用了TPU，目前TPU已经整合在谷歌云上，可供用户使用。

图2-9　谷歌公司推出的TPU芯片

       2017年，谷歌针对移动端设备推出了TensorFlow Lite，可以让开发者在移动设备上部署人工智能软件。基于TensorFlow Lite的架构如图2-10所示，开发者可以让自己的模型在不同的移动端设备上运行，实现诸如计算机视觉、自然语言处理等各类机器学习应用。

图2-10　面向移动端的TensorFlow Lite架构图

       为了方便开发者，TensorFlow除提供了大量相关的配套教学材料以外，还集成了很多辅助工具。比如TensorFlow内部集成了可视化工具TensorBoard，可以方便开发者对TensorFlow程序的理解、调试与优化。图2-11为TensorBoard设置完成后的显示。

       本书以Macbook Pro为例介绍如何在电脑上安装TensorFlow框架，其他系统可采用类似方式或在TensorFlow官网指导下安装。

       使用pip安装

       使用pip工具安装TensorFlow是最简便的方法，首先需确保电脑上的Python为2.7或是3.3以上的版本。

       按照下列命令安装pip工具。

$ sudo easy_install --upgrade pip

图2-11　TensorBoard界面示意图

       查看对应的pip是否安装完毕。

$ pip -V # for Python 2.7

$ pip3 -V # for Python 3.n

       使用pip安装TensorFlow。要注意的是，由于TensorFlow的主服务器在国外，这里设置了清华大学的数据源以使安装过程更顺畅。

$ pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow

$ pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow

       如果希望卸载TensorFlow，可执行下面对应的命令。

$ pip uninstall tensorflow

$ pip3 uninstall tensorflow

       使用Docker安装

Docker是一项主流的容器技术，可以对系统、软件、环境加以封装，比传统的虚拟机技术更为方便快捷。可以在Docker的官网上直接下载与计算机对应的Docker版本。

       在Docker的资源库里已经有了TensorFlow的容器版本。如果希望在终端直接运行CPU版本的TensorFlow，可以直接执行下面的命令。

$ docker run -it gcr.io/tensorflow/tensorflow bash

       如果想在Jupyter Notebook里运行TensorFlow，可以执行下面的命令，并在“http://localhost:8888/”中开启网页。

$ docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow

       验证安装是否成功

       我们可以使用一小段代码来验证TensorFlow是否安装完毕。在已经安装了TensorFlow的终端环境下输入Python命令，进入对应的Python环境并输入以下代码。

import tensorflow as tf

hello = tf.constant('Hello, TensorFlow!')

sess = tf.Session()

print(sess.run(hello))

       如果此时终端能够正确输出“Hello, TensorFlow!”，则说明TensorFlow已经正确安装。