從零開始機器學(xué)習(xí)-1 TensorFlow的環(huán)境搭建

由沈慶陽所有,轉(zhuǎn)載請與作者取得聯(lián)系!

什么是機器學(xué)習(xí)

機器學(xué)習(xí)，顧名思義坡贺，讓機器去實現(xiàn)人類的學(xué)習(xí)行為厦滤。傳統(tǒng)的編程中，如果需要解決一個問題稿茉，需要程序員來設(shè)計如何解決這個問題锹锰。而通過機器學(xué)習(xí)，我們可以使用各種機器學(xué)習(xí)的方法漓库，使計算機程序具有不斷獲取新的知識的能力恃慧，從而適應(yīng)解決各種問題。
而深度學(xué)習(xí)是機器學(xué)習(xí)中十分火熱的一個話題渺蒿，通過搭建神經(jīng)網(wǎng)絡(luò)的模型來實現(xiàn)機器學(xué)習(xí)×∈浚現(xiàn)階段，有如Torch蘸嘶、Caffee和TensorFlow等深度學(xué)習(xí)的開源框架良瞧。

什么是Tensorflow

TensorFlow是Google的開源深度學(xué)習(xí)框架。其通過數(shù)據(jù)流圖（Data Flow Graph）來描述張量（Tensor）十分直觀训唱，因此該深度學(xué)習(xí)框架也就命名為了TensorFlow褥蚯。

關(guān)于TensorFlow的細(xì)節(jié)介紹和具體教程,參考官網(wǎng)：https://www.tensorflow.org

環(huán)境準(zhǔn)備

在繼續(xù)進(jìn)行學(xué)習(xí)之前，需要做如下準(zhǔn)備

硬件：臺式機或筆記本
操作系統(tǒng)：Windows况增、Linux或MacOS
編程環(huán)境：Python

對于硬件要求赞庶，由于深度學(xué)習(xí)包含大量的學(xué)習(xí)過程，這個過程將會消耗大量的計算機硬件資源。如果你有一臺強勁的計算機歧强，那么最好不過了澜薄。如果你還沒有達(dá)標(biāo)的硬件環(huán)境，就只能忍受漫長的訓(xùn)練過程了摊册。
對于擁有高配置英偉達(dá)（Nvidia）顯卡的小伙伴來說肤京，使用英偉達(dá)GPU推出的CUDA加速和cuDNN的深度學(xué)習(xí)工具可以省去大量的等待時間。以筆者跑過的一個Neural-Style的TensorFlow程序來計算茅特，使用Intel Core i7-5930K CPU消耗了將近90分鐘忘分，而使用GeForce GTX Titan X GPU則只需要不到3分鐘的時間。使用CUDA加速的效果由此可見一斑白修。
對于操作系統(tǒng)來說妒峦，我比較推薦使用Linux的系統(tǒng)，在這里筆者使用的是Ubuntu 16.4 LTS發(fā)行版兵睛。
最后肯骇，如果實在滿足不了硬件的標(biāo)準(zhǔn)且不想忍受漫長的訓(xùn)練過程的話，還可以在網(wǎng)上購買AWS祖很、阿里和谷歌的GPU服務(wù)器等笛丙。

環(huán)境搭建

Github上大部分的源碼都是在Linux的環(huán)境中運行的。因此使用Linux系統(tǒng)作為深度學(xué)習(xí)的首選環(huán)境突琳。鑒于大部分用戶使用的是Windows的電腦若债，如果僅僅通過虛擬機來安裝Linux的系統(tǒng)的話，則會是計算機性能大打折扣拆融，進(jìn)行深度學(xué)習(xí)訓(xùn)練的時候速度很慢。并且在虛擬機中想要安裝英偉達(dá)的CUDA時會十分困難啊终。因此保留Windows镜豹，安裝Windows+Linux的雙系統(tǒng)則是更好的選擇。
至于如何安裝雙系統(tǒng)蓝牲，此處不再贅述趟脂。

安裝Python和Pip

對于Ubuntu等Linux的發(fā)型版，Python是在安裝操作系統(tǒng)的時候就安裝好了的例衍。對于沒有安裝Python的時候昔期，可以使用如下命令安裝Python。

sudo apt-get install python

使用以上命令佛玄，默認(rèn)安裝的是Python2.7的版本硼一，如果需要安裝Python3的版本的話則需要使用如下命令

sudo apt-get install python3

pip 是一個Python包管理工具，主要是用于安裝 PyPI 上的軟件包梦抢，可以替代 easy_install 工具般贼。使用Pip可以快速安裝Python的各種包。對于不同版本的Python，有著不同的pip工具哼蛆。如安裝Python3上的TensorFlow則是使用的pip3工具蕊梧。
pip的安裝也十分簡單，安裝Python2.7版本的pip則使用如下命令

sudo apt-get install python-pip

如果對應(yīng)的是Python3版本的pip則使用如下命令

sudo apt-get install python3-pip

安裝Nvidia的CUDA和cuDNN工具（可選）

如果你想要安裝GPU版本的TensorFlow的話腮介，就必須安裝CUDA和cuDNN工具肥矢。
首先登錄Nvidia官網(wǎng)，下載CUDA工具（需要注冊賬號）
https://developer.nvidia.com/cuda-zone

NVIDIA CUDA開發(fā)者頁面

點擊Download Now進(jìn)入下載頁面
進(jìn)入下載頁面叠洗，截止撰寫本篇文章的時間甘改，默認(rèn)的下載CUDA9.1Toolkit。目前Pip上的TensorFlowGPU包要求的是CUDA8.0和cuDNN6.0惕味，因此我們選擇網(wǎng)頁最下方的Legacy Releases下載8.0的版本楼誓。
選擇 Linux->x86_64->Ubuntu->16.04->deb(local)

下載CUDA Toolkit 8.0

下載完成之后，使用如下命令進(jìn)行安裝

sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb
sudo apt-get update
sudo apt-get install cuda

然后來到cuDNN的下載頁面下載cuDNN 6.0工具名挥，同樣使用dpkg命令進(jìn)行安裝疟羹。
cuDNN下載頁面：https://developer.nvidia.com/cudnn
最后，配置CUDA 8.0和cuDNN6.0的環(huán)境變量禀倔。
使用vim或nano等文本編輯軟件打開bashrc

sudo vim ~/.bashrc

在bashrc文件末尾加入環(huán)境變量

export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:/lib
export CUDA_HOME=/usr/local/cuda
export PATH=$PATH:/usr/local/cuda-8.0/bin

使用pip命令安裝TensorFlow-GPU（或安裝TensorFlow-CPU）

使用如下命令安裝GPU版本的TensorFlow

Python2版本的Pip命令：
sudo pip install tensorflow-gpu
Python3版本的Pip命令
sudo pip3 install tensorflow-gpu

安裝完畢之后會有如下提示

Installing collected packages: tensorflow-gpu
Successfully installed tensorflow-gpu-1.4.1

此時我們來到python中進(jìn)行測試

jack@jack-QTJ5:~$ python
Python 2.7.12 (default, Nov 20 2017, 18:23:56) 
[GCC 5.4.0 20160609] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
>>> tf.__version__
'1.4.1'

上述為控制臺的輸出榄融，我們輸入了import tensorflow和查詢tensorflow版本的命令。至此TensorFlow安裝已經(jīng)完成救湖。

下載TensorFlow訓(xùn)練的模型

Github中的https://github.com/tensorflow/models包含著眾多已經(jīng)使用Tensorflow訓(xùn)練好的模型愧杯。我們使用git來克隆下來這個倉庫，并供下一節(jié)課使用這些模型鞋既。
新建一個名為tensorflow的文件夾力九，使用如下命令克隆上述的倉庫

git clone https://github.com/tensorflow/models

克隆完成之后，在你的當(dāng)前工作目錄中會出現(xiàn)一個名為models的文件夾邑闺。
下一節(jié)中跌前，我們將實現(xiàn)通過攝像頭來捕捉畫面，并使用TensorFlow的Object Detection API來實現(xiàn)常用物體的動態(tài)識別陡舅。

覺得寫的不錯的朋友可以點一個喜歡? ~
謝謝你的支持抵乓！