《面向机器智能的TensorFlow实践》一2.7　安装matplotlib

本节书摘来自华章出版社<面向机器智能的TensorFlow实践>一书中的第1章,第节,作者山姆·亚伯拉罕(Sam Abrahams)丹尼亚尔·哈夫纳(Danijar Hafner)[美] 埃里克·厄威特(Erik Erwitt) 阿里尔·斯卡尔皮内里(Ariel Scarpinelli),更多章节内容可以访问"华章计算机"公众号查看. TensorFlow基础 3.1 数据流图简介 本节将脱离TensorFlow的语境,介绍一些数据流图的基础知识,内容包括节点.边和节点依赖

本节书摘来自华章出版社<面向机器智能的TensorFlow实践>一书中的第1章,第节,作者山姆·亚伯拉罕(Sam Abrahams)丹尼亚尔·哈夫纳(Danijar Hafner)[美] 埃里克·厄威特(Erik Erwitt) 阿里尔·斯卡尔皮内里(Ariel Scarpinelli),更多章节内容可以访问"华章计算机"公众号查看. 引 言2 1.1 无处不在的数据 我们正实实在在地处于"信息时代".如今,各种数据从无穷无尽的渠道不断涌入:智能手机.手

本节书摘来自华章出版社<面向机器智能的TensorFlow实践>一书中的第1章,第节,作者山姆·亚伯拉罕(Sam Abrahams)丹尼亚尔·哈夫纳(Danijar Hafner)[美] 埃里克·厄威特(Erik Erwitt) 阿里尔·斯卡尔皮内里(Ariel Scarpinelli),更多章节内容可以访问"华章计算机"公众号查看. 安装TensorFlow 在开始使用TensorFlow之前,需要先将其安装到计算机中.幸运的是,TensorFlow官网提供了一份在Lin

本节书摘来自华章出版社<面向机器智能的TensorFlow实践>一书中的第1章,第1节,作者 山姆·亚伯拉罕(Sam Abrahams)丹尼亚尔·哈夫纳(Danijar Hafner)[美] 埃里克·厄威特(Erik Erwitt)阿里尔·斯卡尔皮内里(Ariel Scarpinelli),更多章节内容可以访问"华章计算机"公众号查看. PART 1 TensorFlow 第1章 引言 第2章 安装TensorFlow     CHAPTER 1 第1章 引 言 1.1 无

2.4 TensorFlow的简易安装 如果只是希望尽快上手实践一些入门的例子,而不关心是否有GPU支持,则可从TensorFlow官方预制的二进制安装程序中择一.请确保你的Virtualenv环境处于活动状态,并运行下列与你的操作系统和Python版本对应的命令: 1. Linux 64位安装   2. Mac OS X安装   从技术角度,可以使用带有GPU支持的预制TensorFlow二进制安装程序,但它需要特定版本的NVIDIA软件,且与未来版本不兼容.

第2章 安装TensorFlow 在开始使用TensorFlow之前,需要先将其安装到计算机中.幸运的是,TensorFlow官网提供了一份在Linux和Mac OS X系统中安装TensorFlow的完整分步指南.本章对安装中将会出现的不同选项如何选择给出了一些建议,并提供了一些关于能够与TensorFlow很好地集成的其他第三方软件的信息.此外,本章还给出一份从源代码构建和安装TensorFlow的参考,以帮助用户安装带有GPU支持的TensorFlow. 如果用户对Pip/Conda.虚拟

3.2 在TensorFlow中定义数据流图 在本书中,你将接触到多样化的以及相当复杂的机器学习模型.然而,不同的模型在TensorFlow中的定义过程却遵循着相似的模式.当掌握了各种数学概念,并学会如何实现它们时,对TensorFlow核心工作模式的理解将有助于你脚踏实地开展工作.幸运的是,这个工作流非常容易记忆,它只包含两个步骤: 1)定义数据流图. 2)运行数据流图(在数据上). 这里有一个显而易见的道理,如果数据流图不存在,那么肯定无法运行它.头脑中有这种概念是很有必要的,因为当你编写代

1.4 TensorFlow:技术概要 本小节将给出一些关于TensorFlow库的高层信息,如它是什么.它的发展史.用例以及与竞争对手的比较.决策制定者.利益相关者以及任何希望了解TensorFlow背景的人都会从本小节受益. 谷歌的深度学习研究简史 谷歌最初开发的大规模深度学习工具是谷歌大脑(Google Brain)团队研发的DistBelief.自创建以来,它便被数十个团队应用于包括深度神经网络在内的不计其数的项目中.然而,像许多开创性的工程项目一样,DistBelief也存在一些限制了

1.7 TensorFlow的优势 1.易用性 相对而言,TensorFlow工作流易于理解.它的API保持着高度的一致性,这意味着在尝试不同模型时,无需从头学习一套新的东西. TensorFlow API很稳定,维护者始终在努力确保每次改动都向下兼容. TensorFlow与NumPy无缝集成,可使大多数了解Python的数据科学家如鱼得水. 不同于其他库,TensorFlow不占编译时间.这就使用户可快速验证自己的想法,而省去了专门的等待时间. 目前已有多种高层接口构建在TensorFlow

2.5 源码构建及安装实例:在64位Ubuntu Linux上安装GPU版TensorFlow 如果希望使用带有GPU支持的TensorFlow,那么最可能的选择是从源码构建和安装.本节给出了一个完整的安装参考实例,详细介绍了安装和运行TensorFlow所需的每一具体步骤.请注意,本示例中的操作系统为64位Ubuntu Linux发行版,因此如果你使用的是其他Linux发行版,则可能需要对某些命令进行修改(如apt-get).如果希望在Mac OS X上从源码构建TensorFlow,笔者推荐