工欲善其事 必先利其器
+ 虚拟环境
+ Python
+ Tensorflow
+ Jupyter Notebook
+ 依赖库
核心思想就是在虚拟环境中搭建指定版本的Python以及Tensorflow,构造适合你自己的实验沙盒.
-
环境准备
1.1 使用virtualenv来管理虚拟的Python环境用pip安装virtualenv
sudo easy_install pip
sudo pip install --upgrade virtualenv创建一个目录用以存放这些差异化的环境
sudo mkdir ~/env安装对应的版本
virtualenv -p python3 tf-
环境切换
开始:source ~/env/tensorflow/bin/activate
结束:deactivate
优化启动命令:sudo printf '\nalias tensorflow="source ~/env/tensorflow/bin/activate"' >> ~/.bashrc
我自己安装了俩套虚拟环境,一套是python2.7 一套是python3.5
简化后通过tensorflow或者tf命令就可以进行环境切换.
Screen Shot 2017-08-22 at 10.34.01 PM.png
1.2 安装tensorflow
不同版本安装方式不一样,具体可以参考官方文档. Mac OS X, Python 2.7:
(tensorflow)$ pip install --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.9.0-py2-noneMac OS X, Python 3.4+
(tensorflow)$ pip3 install --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.9.0-py3-non
1.3 安装Jupyter Notebook
Jupyter主要是为了我们在一个简单快捷的入口来验证我们代码以及模型.- 安装ipython
- 安装build-essential
- 用pip安装jupyter 如果是python3高版本,更加简单
1.4 安装matplotlib:主要是为了图形化显示数据或者结果.
1.5 安装 scikit-learn: science-kit 科学工具包,用于运算等- 需要安装以下包：numpy scipy scikit-learn，其中前两个是scikit-learn的依赖库，选择性安装nose,一个Python下面的测试库，可以用来测试scikit-learn。
- 命令如 sudo pip install -U numpy scipy scikit-learn
- 测试一把 jupyter notebook试试
