安装 TensorFlow：人工智能开发的第一步

随着人工智能和深度学习的兴起，很多人都想知道如何安装 TensorFlow。 TensorFlow 是一个用于深度学习开发的开源库，可以轻松实现和训练复杂的模型。从安装到使用案例，这篇文章将教你如何开始使用 TensorFlow。 我们将一步一步地教你，这样你就不会错过任何重要信息，请跟上我们的脚步！

如何安装 TensorFlow

安装 TensorFlow 有多种方法，但最简单的是使用 核心 TensorFlow 有 CPU 和 GPU 版本，因此需要根据系统安装。

1. 基本安装（CPU 版本）

TensorFlow 的默认版本是在 CPU 上运行的版本，这对于深度学习模型的小规模实验或只有 CPU 的环境来说已经足够。你可以用下面的命令安装它。

pip install tensorflow

# 安装结果（以下是从现有安装重新安装的结果）
(myenv) C:\projects\Project_Python>pip install tensorflow
要求已满足：tensorflow in c:\users\user\.conda\envs\myenv\libsite-packages (2.16.1)
已满足要求: tensorflow-intel==2.16.1 in c:\users\user.conda\envs\myenv\libsite-packages (from tensorflow) (2.16.1)
已满足要求：absl-py>=1.0.0 in c:\users\user.conda\envs\myenv\libsite-packages (from tensorflow-intel==2.16.1->tensorflow) (2.1.0)
已经满足要求：astunparse>=1.6.0 in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorflow-intel==2.16.1->tensorflow) (1.6.3)
已经满足要求：flatbuffers>=23.5.26 in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorflow-intel==2.16.1->tensorflow) (24.3.25)
已经满足要求：gast!=0.5.0,!=0.5.1,!=0.5.2,>=0.2.1 in c:\users\user\.conda\envs\myenv\lib\site-packages (from tensorflow-intel==2.16.1->tensorflow) (0.5.4)
已经满足要求：google-pasta>=0.1.1 in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorflow-intel==2.16.1->tensorflow) (0.2.0)
已经满足要求：h5py>=3.10.0 in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorflow-intel==2.16.1->tensorflow) (3.11.0)
已经满足要求： libclang>=13.0.0 in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorflow-intel==2.16.1->tensorflow) (18.1.1)
已满足要求: ml-dtypes~=0.3.1 in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorflow-intel==2.16.1->tensorflow) (0.3.2)
已满足要求：opt-einsum>=2.3.2 in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorflow-intel==2.16.1->tensorflow) (3.3.0)
已满足要求：packaging in c:\users\user\appdata\roaming\python\python311\site-packages (from tensorflow-intel==2.16.1->tensorflow) (23.0)
Requirement already satisfied: protobuf!=4.21.0,!=4.21.1,!=4.21.2,!=4.21.3,!=4.21.4,!=4.21.5,=3.20.3 in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorflow-intel==2.16.1->tensorflow) (4.25.3)
已经满足要求：requests=2.21.0 in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorflow-intel==2.16.1->tensorflow) (2.31.0)
已经满足要求：setuptools in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorflow-intel==2.16.1->tensorflow) (70.1.1)
已满足要求：six>=1.12.0 in c:\users\userappdata\roaming\python\python311\site-packages (from tensorflow-intel==2.16.1->tensorflow) (1.16.0)
已经满足要求：termcolour>=1.1.0 in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorflow-intel==2.16.1->tensorflow) (2.4.0)
Requirement already satisfied: typing-extensions>=3.6.6 in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorflow-intel==2.16.1->tensorflow) (4.10.0)
已经满足要求：wrapt>=1.11.0 in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorflow-intel==2.16.1->tensorflow) (1.16.0)
已经满足要求： grpcio=1.24.3 in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorflow-intel==2.16.1->tensorflow) (1.64.1)
已经满足要求： tensorboard=2.16 in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorflow-intel==2.16.1->tensorflow) (2.16.2)
已经满足要求：keras>=3.0.0 in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorflow-intel==2.16.1->tensorflow) (3.4.0)
Requirement already satisfied: tensorflow-io-gcs-filesystem>=0.23.1 in c:\users\user\.conda\envs\myenv\lib\site-packages (from tensorflow-intel==2.16.1->tensorflow) (0.31.0)
已经满足要求：numpy=1.23.5 in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorflow-intel==2.16.1->tensorflow) (1.26.4)
已满足要求: wheel=0.23.0 in c:\users\user\.conda\envs\myenv\libsite-packages (from astunparse>=1.6.0->tensorflow-intel==2.16.1->tensorflow) (0.41.2)
已满足要求：rich in c:\users\user\.conda\envs\myenv\libsite-packages (from keras>=3.0.0->tensorflow-intel==2.16.1->tensorflow) (13.7.1)
已满足要求：namex in c:\users\user\.conda\envs\myenv\libsite-packages (from keras>=3.0.0->tensorflow-intel==2.16.1->tensorflow) (0.0.8)
已满足要求：optree in c:\users\user\.conda\envs\myenv\libsite-packages (from keras>=3.0.0->tensorflow-intel==2.16.1->tensorflow) (0.11.0)
已满足要求：charset-normaliser=2 in c:\users\user\.conda\envs\myenv\libsite-packages (from requests=2.21.0->tensorflow-intel==2.16.1->tensorflow) (3.3.2)
已经满足要求： idna=2.5 in c:\users\user\.conda\envs\myenv\libsite-packages (from requests=2.21.0->tensorflow-intel==2.16.1->tensorflow) (3.6)
已经满足要求：urllib3=1.21.1 in c:\users\user\.conda\envs\myenv\libsite-packages (from requests=2.21.0->tensorflow-intel==2.16.1->tensorflow) (2.1.0)
已满足要求：certifi>=2017.4.17 in c:\users\user\.conda\envs\myenv\libsite-packages (from requests=2.21.0->tensorflow-intel==2.16.1->tensorflow) (2023.11.17)
已经满足要求：markdown>=2.6.8 in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorboard=2.16->tensorflow-intel==2.16.1->tensorflow) (3.6)
已满足要求： tensorboard-data-server=0.7.0 in c:\users\user\.conda\envs\myenv\lib\site-packages (from tensorboard=2.16->tensorflow-intel==2.16.1->tensorflow) (0.7.2)
已满足要求：werkzeug>=1.0.1 in c:\users\user\.conda\envs\myenv\libsite-packages (from tensorboard=2.16->tensorflow-intel==2.16.1->tensorflow) (3.0.3)
已满足要求：MarkupSafe>=2.1.1 in c:\users\user\.conda\envs\myenv\libsite-packages (from werkzeug>=1.0.1->tensorboard=2.16->tensorflow-intel==2.16.1->tensorflow) (2.1.3)
已经满足要求：markdown-it-py>=2.2.0 in c:\users\user\.conda\envs\myenv\libsite-packages (from rich->keras>=3.0.0->tensorflow-intel==2.16.1->tensorflow) (3.0.0)
已经满足要求： pygments=2.13.0 in c:\users\user\appdata\roaming\python\python311\site-packages (from rich->keras>=3.0.0->tensorflow-intel==2.16.1->tensorflow) (2.14.0)
Requirement already satisfied: mdurl~=0.1 in c:\users\user\.conda\envs\myenv\libsite-packages (from markdown-it-py>=2.2.0->rich->keras>=3.0.0->tensorflow-intel==2.16.1->tensorflow) (0.1.2)

2. 安装 GPU 版本

如果 GPU那么安装 GPU 版本的 TensorFlow 将大大提高性能。不过，要安装 GPU 版本，您需要安装 CUDA和 cuDNN 安装前请确保您的 GPU 受支持。

pip install tensorflow-gpu

检查 TensorFlow 版本

安装后，最好还能知道如何检查已安装的 TensorFlow 版本，因为可能有项目或库需要特定版本的 TensorFlow。

使用下面的命令很容易检查版本。

导入 tensorflow 为 tf
print(tf.__version__)

运行此代码将输出已安装的 TensorFlow 版本，如下所示。

以 oneDNN custom operations 开头的信息是 TensorFlow 生成的日志，通知您 TensorFlow 正在使用来自 **oneDNN（深度神经网络库）** 的自定义操作。 这样做是为了通过使用 oneDNN有助于加快计算速度，但在此过程中 浮点运算的顺序取决于 微妙的差异可能会出现。这是一个警告，浮点运算会因计算顺序的不同而产生细微差别，因此你不能期望得到完全相同的结果。 该日志用于性能优化，因此在大多数情况下你不应该在意它、 如果您想关闭 oneDNN 优化功能 tf_enable_onednn_options=0 您可以通过设置环境变量来禁用 oneDNN。这样就可以更改操作顺序，避免出现小的浮点错误。

텐서플로우 설치 후 버전 인

设置 TensorFlow

要检查 TensorFlow 在 GPU 上是否运行良好，可以运行下面的代码来查看 GPU 是否被识别。

导入 tensorflow 为 tf
print("GPU is", "available" if tf.config.list_physical_devices('GPU') else "NOT available")

如果您在运行这段代码时看到 "GPU 可用"，这意味着 TensorFlow 正在使用您的 GPU。如果无法识别 GPU，则可能是 CUDA 和 cuDNN 安装出了问题，请仔细检查。

TensorFlow 使用案例

TensorFlow 可用于各种人工智能项目，包括图像分类、自然语言处理和自动驾驶。 下面是几个例子。

1. 对图像进行分类

图像分类是 TensorFlow 的典型用例。 MNIST, CIFAR-10, 图像网 同一图像数据集可用于构建深度学习模型，该模型可用于自动对图像进行分类。这样，您就可以自动处理和分类图像数据，用于物体识别、人脸识别、疾病诊断等。

  • 示例: 谷歌照片使用由 TensorFlow 支持的深度学习模型对照片进行自动分类和标记。它能识别照片中的人、地点、物体等，使照片更易于搜索和整理。
2. 自然语言处理

自然语言处理（NLP）是一门分析和处理文本数据的艺术，而 TensorFlow 在这一领域发挥着重要作用。 文本分类, 创建文本, 翻译, 聊天机器人 对于许多相同的任务，TensorFlow 可以有效地处理和学习大量文本数据。

  • 谷歌翻译谷歌翻译系统使用 TensorFlow 自动完成多种语言之间的翻译，实现实时自然翻译。 BERT, GPT已在 TensorFlow 中实现，以展示更好的语言理解和生成能力。
3. 自动驾驶

自动驾驶汽车必须实时分析和应对道路上的各种情况。摄像头、激光雷达和雷达等传感器收集的数据会通过基于张量流的深度学习模型进行处理，以识别环境中的车辆、行人、交通信号灯等。

  • 特斯拉自动驾驶系统:特斯拉的自动驾驶汽车使用基于深度学习的计算机视觉技术来实时感知道路环境。TensorFlow 用于分析周围环境，并在行驶过程中实时预测路径。利用 TensorFlow 的图像识别模型，自动驾驶汽车可以识别并避开行人和车辆等物体。
텐서플로우 활용 사례 이미지
4. 医学影像分析

医学影像分析TensorFlow 可用于分析医学图像和诊断疾病。通过分析 X 光、核磁共振成像和 CT 扫描等医学图像，可以在早期发现癌症和肿瘤等疾病。深度学习模型可以从大量医疗数据中学习，从而比人类专家更快、更准确地做出诊断。

  • 斯坦福大学用于皮肤癌诊断的人工智能斯坦福大学的一个研究小组利用 TensorFlow 开发了一种诊断皮肤癌的模型，该模型利用深度学习来了解各种皮肤状况，然后进行专家级诊断。
  • COVID-19 诊断在 COVID-19 大流行期间，TensorFlow 被用于分析 X 射线图像以检测肺部疾病的迹象，从而使医务人员能够快速评估病人的病情并确定适当的治疗方法。
5. 转介系统

推荐系统是一种根据用户行为数据提供个性化内容的技术。TensorFlow 用于构建从大量数据中学习的系统，为每个用户推荐合适的产品、视频、音乐等。

  • Netflix 推荐系统Netflix 使用 TensorFlow 根据您观看过的电影和节目推荐新内容。TensorFlow 的深度学习模型可分析观看模式和偏好，实时为每位用户提供个性化推荐。
  • 亚马逊的个性化推荐亚马逊使用由 TensorFlow 支持的推荐系统，向用户推荐更有可能购买的产品。这改善了用户的购物体验，并有助于吸引用户再次光顾。

总结：从安装到使用 TensorFlow

在本文中，我们介绍了从如何安装 TensorFlow 到 GPU 设置、版本检查以及如何在实践中使用 TensorFlow 的所有内容。 TensorFlow 是深度学习新手和高级研究人员的宝贵工具。 现在，您可以安装 TensorFlow 并开始使用它。安装好 TensorFlow 后，你就可以开始你的人工智能项目了！

类似文章