今天动手开始搭建TensorFlow开发环境, 用PyCharm来跑MNIST中的例子。记录过程如下

  • 下载安装

(1)首先安装AnaConda, AnaConda可以帮忙去管理安装包,帮忙创建虚拟环境,有了它连 Python都可以不用单独下载
https://www.anaconda.com/download/
安装过程很简单 这里有详细的指导https://www.zhihu.com/question/58033789
安装好后, 可以参考tensorflow安装说明:https://tensorflow.google.cn/install/install_windows 中说明来创建环境 tensorflow
使用命令:conda create -n tensorflow pip python=3.5
activate tensorflow
pip install --ignore-installed --upgrade tensorflow

也可以后面在PyCharm中来创建
(2)下载PyCharm,https://www.jetbrains.com/pycharm/download/#section=windows
(3)下载Tensorflow源码,https://github.com/tensorflow/tensorflow
MNIST的例子在: tensorflow\examples\tutorials\mnist 目录

  • 调试运行

使用Pycharm单独将mnist打开,不要打开整个tensorflow打开,会出现错误说不要在源代码中运行tensorflow
利用Pycharm创建anaconda环境,Settings--Project Interpreter -- Add Local

这里会有个Bug说PyCharm: Anaconda installation is not found

一个已知的Bug:currently PyCharm and IDEA both seem to detect Conda installation only from %HOMEPATH%/anaconda

使用Administrator打开cmd.ext创建一个软连接就好,

mklink /D %HOMEDRIVE%%HOMEPATH%\anaconda C:\ProgramData\Anaconda3

“C:\ProgramData\Anaconda3” 指的是Anaconda安装目录

然后用Pycharm安装 tensorflow

安装好后就可以运行 minist 下面的 fully_connected_feed.py

运行的时候会抱错说找不到tmp folder. 这是因为在一般Python都是在Linux下面, 在Windows下面盘符不存在,修改下

default=os.path.join(os.getenv('TEST_TMPDIR', '/tmp'),

default=os.path.join(os.getenv('TEST_TMPDIR', 'D:\\'),

'tensorflow/mnist/input_data'),

或者指定目录运行。

运行后实际上是把数据集下载到了

D:\tensorflow\mnist\input_data

运行后看到效果

不太明白干了啥。从程序的角度我是调通了, 从深度学习的角度来说,还没有入门。

TensorFlow 开发环境搭建--Pycharm的更多相关文章

  1. 04基于python玩转人工智能最火框架之TensorFlow开发环境搭建

    MOOC_VM.vdl.zip 解压之后,得到一个vdl文件.打开virtual box,新建选择类型linuxubuntu 64位. 选择继续,分配2g.使用已有的虚拟硬盘文件,点击选择我们下载的文 ...

  2. Python3+PyQt5+PyCharm 桌面GUI开发环境搭建

    Python3+PyQt5+PyCharm 桌面GUI开发环境搭建 一.安装python PyQt5所支持的python版本是不低于3.5版本 python3.5以上的版本安装:https://www ...

  3. odoo开发环境搭建(四):python开发工具IDE pycharm配置

    odoo开发环境搭建(四):python开发工具IDE pycharm配置

  4. python开发环境搭建

    虽然网上有很多python开发环境搭建的文章,不过重复造轮子还是要的,记录一下过程,方便自己以后配置,也方便正在学习中的同事配置他们的环境. 1.准备好安装包 1)上python官网下载python运 ...

  5. Tensorflow开发环境配置及其基本概念

    Tensorflow开发环境配置及其基本概念 1.1. 安装Tensorflow开发环境 1.1.1. 安装pycharm 1.1.2. 安装pythe3.6 1.1.3. 安装Tensorflow ...

  6. python开发环境搭建及numpy基本属性-【老鱼学numpy】

    目的 本节我们将介绍如何搭建python的开发环境以及numpy的基本属性,这样可以检验我们的numpy是否安装正确了. python开发环境的搭建 工欲善其事必先利其器,我用得比较顺手的是Intel ...

  7. 【tensorflow】1.安装Tensorflow开发环境,安装Python 的IDE--PyCharm

    ================================================== 安装Tensorflow开发环境,安装Python 的IDE--PyCharm 1.PyCharm ...

  8. Linux CentOS Python开发环境搭建教程

      CentOS安装Python 1.CentOS已经自带安装了2.x版本,先尝试python命令检查已安装的版本.如果你使用rpm.yum或deb命令安装过,请使用相对命令查询. 2.复制安装文件链 ...

  9. 【深度学习笔记】Anaconda及开发环境搭建

    在学习了一段时间台大李宏毅关于deep learning的课程,以及一些其他机器学习的书之后,终于打算开始动手进行一些实践了. 感觉保完研之后散养状态下,学习效率太低了,于是便想白天学习,晚上对白天学 ...

随机推荐

  1. 第二步 (仅供参考) sencha touch 使用cmd打包apk

    最新版本的cmd可以直接将sencha touch项目打包成本地应用,不过还有很多不足,本文仅供参考 通过sencha app build native命令可以直接将项目打包成本地应用,不过在命令运行 ...

  2. Centos 7 系统操作

    修改系统语言 https://blog.csdn.net/hanchao_h/article/details/72820999 修改后,马上查看man bash,发现已经变成了英文版.(中文版句子不通 ...

  3. 3944: Sum[杜教筛]

    3944: Sum Time Limit: 10 Sec  Memory Limit: 128 MBSubmit: 3471  Solved: 946[Submit][Status][Discuss] ...

  4. 调用TerminateProcess是无法触发DLL_PROCESS_DETACH的

    当应用程序中调用TerminateProcess函数,对于在DllMain函数中处理DLL_PROCESS_DETACH的额外代码操作是无法被执行的.比如:释放资源.数据持久化等.

  5. shell中的环境变量:local,global,export

     1.local一般用于局部变量声明,多在在函数内部使用.实例如下:      echo_start() { local STR="$1" echo "...... ${ ...

  6. SDK Location not found Android Studio + Gradle

    extends: http://stackoverflow.com/questions/19272127/sdk-location-not-found-android-studio-gradle I ...

  7. Spark2 加载保存文件,数据文件转换成数据框dataframe

    hadoop fs -put /home/wangxiao/data/ml/Affairs.csv /datafile/wangxiao/ hadoop fs -ls -R /datafiledrwx ...

  8. Scala实现乘法口诀

    object Test4 {  def main(args: Array[String]) {    for (i <- 1 to 9; j <- 1 to 9 if (j <= i ...

  9. 大话FLASH和EEPROM

    最近在看代码的时候,遇到了一个使用FLASH模拟EEPROM的情况,看到这个我当时是一脸蒙蔽啊,对于一个有时候连FLASH和EEPROM都分不清的人来说,怎么可能读懂用FLASH来模拟EEPROM呢? ...

  10. django的queryset和objects对象

    1. queryset是查询集,就是传到服务器上的url里面的内容.Django会对查询返回的结果集QerySet进行缓存,这里是为了提高查询效率. 也就是说,在你创建一个QuerySet对象的时候, ...