tensorflow0.8.0 安装配置

参考官网：https://www.tensorflow.org/

 Ubuntu15.10 + Eclipse Mars.2(4.5.2)官网最新 + Anaconda3-4.0.0 + Pydev4.5.0 + TensorFlow0.8.0 + sklearn

上个月google发布了tensorflow的分布式版本TensorFlow0.8，随后DeepMind宣布转向使用Tensorflow。虽然现在Tensorflow与其它深度学习库的测试报告相比并没有明显的优势（可能与环境有关），但是考虑到它的TensorFlow项目成员实在太过于强大，加上Google的平台，有理由相信TensorFLow会变得越来越好。万事开头难，对于初学者来说，开发环境非常重要。下面整理一下，花了两天时间从装系统到写出第一个TensorFlow代码。这个环境支持单机、支持CPU、不支持GPU运算，非常简单。

1. 安装Ubuntu15.10。最开始使用Ubuntu12，导入tensorflow发现glibc的版本太低，升级也失败了，建议使用较高版本。下载地址网源：http://mirrors.163.com/ubuntu-releases/15.10/
2. 安装eclipse。选择安装Eclipse Mars.2(4.5.2)最新版，官网http://www.eclipse.org/downloads/   tar –xzvf  eclipse-inst-linux64.tar.gz  会生成eclipse-installer文件夹，运行./eclipse-inst，选择目录即可完成安装
3. Anaconda是融合了许多科学计算工具的包，安装容易使用方便。下载安装http://repo.continuum.io/archive/Anaconda3-4.0.0-Linux-x86_64.sh，直接运行该脚本就能完成安装
4. 安装pydev，原本在线安装pydev非常容易的，这才由于版本的原因来回纠结了挺长时间。pydev官网最新版pydev5.0.0需要java8的环境，Ubuntu15.10默认安装的是java7，不兼容。最后选择安装pydev4.5.0，地址为http://pydev.org/update_sites/4.5.0
5. 终于到了主角TensorFlow，可以源码安装，也可以二进制包安装，偷懒使用二进制包安装，可以说非常非常简单，顺便把sklearn也安装了O(∩_∩)O哈哈~，如果没有设置环境变量，conda的位置为Anaconda3安装目录下的bin子目录下面，在该目录下运行./conda

# Python 3.4
$ conda create -n tensorflow python=3.4

$ source activate tensorflow

$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-cp34-cp34m-linux_x86_64.whl

$ conda install scikit-learn

一个包含TensorFlow和sklearn的机器学习开发环境搭建好了，简单测试下tensorFlow，直接将官网的第一个代码敲进eclipse

import tensorflow as tf
import numpy as np
 
x_data = np.random.rand(100).astype(np.float16)
y_data = x_data * 0.1 + 0.3
 
W = tf.Variable(tf.random_uniform([1], -1, 1))
b = tf.Variable(tf.zeros([1]))
y = W * x_data + b
 
# Minimize the mean squared errors
loss = tf.reduce_mean(tf.square(y-y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
 
#initialize the variables
init = tf.initialize_all_variables()
 
#launch the graph
sess = tf.Session()
sess.run(init)
 
for step in range(201):
    sess.run(train)
    if step % 20 == 0:
        print(step,sess.run(W),sess.run(b))

输出结果：

0 [-0.10639334] [ 0.58300751]
20 [ 0.02993368] [ 0.33848912]
40 [ 0.08231208] [ 0.30973479]
60 [ 0.09550805] [ 0.30249056]
80 [ 0.09883257] [ 0.3006655]
100 [ 0.09967015] [ 0.30020571]
120 [ 0.09988115] [ 0.30008987]
140 [ 0.09993432] [ 0.30006066]
160 [ 0.09994771] [ 0.30005333]
180 [ 0.09995107] [ 0.30005148]
200 [ 0.09995194] [ 0.300051]