TensorFlow学习笔记[1]: TensorFlow安装及在Jupyter notebook中用Pythond代码并生成散列点图

作者：雨水/家辉，日期：2016-10-15，CSDN博客：http://blog.csdn.net/gobitan

摘要：现在不掌握点人工智能方面的技术，简单都不好意思出门了。前面写《Google人工智能平台TensorFlow介绍》的时候，对TensorFlow有了初步的认识，最近抽空进行较为深入的学习。这将是一个系列笔记，以《TensorFlow for Machine Intelligence》这本书为主线，将该书的精华摘录下来，同时做相应的练习！本文是本系列的第一篇，主要记录TensorFlow的简单安装及使用Jupyter notebook执行Python代码并生成散列图的过程。

TensorFlow基本知识

与TensorFlow类似的机器学习库还有Theano和Caffe。学习TensorFlow最好具有如下基础知识：导数，微积分，线性代数，程序知识，懂Python和C/C++更好！

DistBelief是TensorFlow的前身，后者是为了克服前者的不足而开发的，于2015年11月开源发布。目前TensorFlow被应用于自然语言处理，人工智能，计算机视觉和预测分析。

什么是Tensor? 简单地说，Tensor就是N维矩阵。TensorFlow 0.8.0版本之后才具有分布式特性。TensorFlow的API主要以Python语言提供，但实际地计算代码是由C++语言写的。TensorFlow能够运行在任何大小设备的系统平台上，这里是一个Android平台运行的例子，https://github.com/tensorflow/tensorflow/tree/master/tensorflow/examples/android。

NumPy is the fundamental package for scientific computing with Python

Jupyter is a web application that allows you to create and share documents that contain live code, equations, visualizations and explanatory text.

Matplotlib is a python 2D plotting library which produces publication quality figures in a variety of hardcopy formats and interactive environments across platforms.

Matplotlib is a charting library that allows you to create dynamic, custom visualizations  in Python.

TensorFlow安装

虽然在《Google人工智能平台TensorFlow介绍》已经介绍过安装，这里为了记录的完整性，给出一个简化版的安装过程。

[plain] view plain copy

1. $ sudo apt-get install python-pip python-dev python-virtualenv  
2. $ virtualenv --system-site-packages ~/tensorflow  
3. $ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.9.0rc0-cp27-no ne-linux_x86_64.whl  
4. $ sudo pip install --upgrade $TF_BINARY_URL  

#安装Jupyter Notebook

[plain] view plain copy

1. $ sudo python2 -m pip install ipykernel  
2. $ sudo python2 -m ipykernel install  
3. $ sudo apt-get install build-essential  
4. $ sudo pip install jupyter  

#安装matplotlib

[plain] view plain copy

1. $ sudo apt-get build-dep python-matplotlib python-tk  

#激活tensorflow虚拟环境

[plain] view plain copy

1. $ source tensorflow/bin/activate  
2.   
3. #如下这步必不可少（书中没有），否则会报ImportError: No module named matplotlib.pyplot  
4. $ sudo apt-get install python-matplotlib  
5.   
6. (tensorflow)$ mkdir tf-notebooks  
7. (tensorflow)$ cd tf-notebooks  

#启动 jupyter notebook

[plain] view plain copy

1. (tensorflow)$ jupyter notebook  

坑1：直接按照书中的命令"jupyter notebook"执行，会报socket.error: [Errno 99] Cannot assign requested address错误，就指定IP地址启动。如下：

(tensorflow)$ jupyter notebook --ip=120.25.234.39

坑2：必须以sudo启动，否则后面操作的是会报权限错误

(tensorflow)$ sudo jupyter notebook --ip=120.25.234.xx

注：120.25.234.xx是你的IP地址。

坑3：根据上面的安装，后面会报如下错误：

ImportError: No module named matplotlib.pyplot

解决办法：sudo apt-get install python-matplotlib

Juypyter notebook启动成功后会有类似如下提示：

The Jupyter Notebook is running at: http://120.25.234.XX:8888/

在Jupyter nootebook中用Python代码生成散列点图

可以通过提示的网址在浏览器里进入Jupyter nootebook。在右侧可以创建notebook，在里面可执行如下代码片段：

代码片段，可直接在Jupyter中执行，结果就是一些点散列图

[python] view plain copy

1. import tensorflow as tf  
2. import numpy as np  
3. import matplotlib.pyplot as plt  
4.   
5. #表示直接在浏览器中显示matplotlib图表  
6. %matplotlib inline   
7.   
8. a = tf.random_normal([2,20]) #定义2x20的随机数矩阵  
9. sess = tf.Session()  #启动一个tensorflow会话  
10. out = sess.run(a)    # 用在sess会话里执行a，结果放out里  
11. x, y = out                 
12.   
13. plt.scatter(x, y)    #用pyplot创建一系列散列点，坐标为x和y  
14. plt.show()  

在文档中生成可视化的散列点图，如下所示：

注：本文中提到的《TensorFlow for Machine Intelligence》的英文pdf版已上传到CSDN资源，地址为：http://download.csdn.net/detail/gobitan/9654931

参考资料：

[1] <TensorFlow for Machine Intelligence>  A Hands-On Introduction to Learning Algorithms  Bleeding Edge Press 2016

[2] http://blog.csdn.net/gobitan/article/details/51712207  Google人工智能平台TensorFlow介绍