写给设计师的人工智能指南：Tensorflow快速入门

本篇是《写给设计师的人工智能指南》系列的第3篇，本期主要想帮助大家最快速度地上手tensorflow。

前2期的文章可以点击以下链接，快速回顾：

---

以下为正文

Tensorflow的环境，我采用的是Docker搭建的。

Docker通常用于如下场景：

• web应用的自动化打包和发布；
  

• 自动化测试和持续集成、发布；
  

• 在服务型环境中部署和调整数据库或其他的后台应用；
  

• 从头编译或者扩展现有的OpenShift或Cloud Foundry平台来搭建自己的PaaS环境。

1、下载Docker

https://download.docker.com/mac/stable/Docker.dmg

如果你用的是window系统，选择Docker for window就行啦；

2、运行Docker

安装好docker后，在Mac的Launchpad打开docker.app，等待一会就好啦～

如上图所示，docker is running。

3、打开终端，运行hello docker

在终端中输入：

docker run hello-world

出现下图，表示docker正常运行啦。

4、安装tensorflow镜像

我用的是阿里云的镜像，终端输入：

git clone https://github.com/denverdino/TensorFlow-Examples

下载完成后，终端输入

cd TensorFlow-Examples

5、配置容器

阿里云的Docker镜像里已经做好了模版docker-compose.yml

直接在终端里输入：

docker-compose up -d

等待片刻

6、启动容器

终端输入：

docker-compose ps

会看到成功启动字样，可以直接通过  从浏览器中访问Tensorflow的Jupyter交互实验环境。

登录密码为: tensorflow

7、新建一个Notebooks

登陆后，可以看到下图所示的界面：

新建个Notebooks，选择Python2

8、运行hello tensorflow

TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。

TensorFlow 程序通常被组织成一个构建阶段和一个执行阶段；

在构建阶段, operation的执行步骤被描述成一个图；

在执行阶段, 使用会话Session执行执行图中的 op(operation)。

我画了张图，表示最基本的一个tensorflow程序：

代码如下：

import tensorflow as tf

#1构建阶段

#1.1常量

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

a = tf.constant(10)

b = tf.constant(32)

#1.2变量

state = tf.Variable(2 , name='counter')

#1.3 图中的节点被称之为 op (operation 的缩写)

c=a+b

n_val = tf.add(state,c)

update = tf.assign(state,n_val)

#2执行阶段

#2.1初始化变量,tf的变量需要初始化后才能执行

init = tf.global_variables_initializer()

#2.2启动默认图,及运行

sess = tf.Session()

sess.run(init)

#2.3循环执行单个op

for _ in range(3): 

   step=sess.run(update) 

   print(step)

#2.4执行多个op    

result=sess.run([state,hello])

#2.5打印结果

print result

把代码贴到新建的Notebooks里，运行下吧～

这就是最基本的tensorflow程序。

希望可以帮你快速进入tensorflow的世界～～～

参考文章：

---

欢迎长按二维码

关注本号

本号发布内容主要为设计&科技方面