同等、纸笔草图——灵感的高射

TensorFlow
最初由Google大脑小组(隶属于Google机器智能研究机构)的研究员和工程师们开出来,用于机器上和深度神经网络方面的钻研,但这系统的通用性使该也可大用于其他计量领域。目前吧,Github上star最多之花色就算是它了。

其三手续循环图:

安装 Anaconda :

参照 Anaconda
的下载页面的指导

其三、设计原型——强迫症一般的轮回完善

基于 Anaconda 的安装

Anaconda
是一个并许多老三方科学计算库的 Python 科学计算环境,Anaconda 使用
conda 作为团结的包管理工具,同时兼有自己之计算环境,类似 Virtualenv.

Virtualenv 一样,不同 Python 工程要之凭包,conda
将她们存储于不同的地方。 TensorFlow 上设置之 Anaconda
不见面针对之前设置之 Python 包进行覆盖.

  • 安装
    Anaconda
  • 建立一个 conda 计算环境
  • 激活环境,使用 conda 安装 TensorFlow
  • 装成功后,每次用 TensorFlow 的上需要激活 conda 环境

当时同一步可说凡是者原型设计的绝基础之步调,我们要举行的工作,就是吃咱的灵感像喷泉一样的不断涌现出来。正以这样,这是咱所而就此到之家伙是白板及符号笔,甚至就是是最最简便易行的纸笔。其他的事物打某种程度上的话,都见面变成思想灵感喷发之繁琐。这同品级如果集中时间开展脑力风暴,把富有和主题相关的想法留纸在白板及。

附图

  • 打开Preferences

打开Preferences

选择more

  • 打开Project Interpreters

挑是的tensorflow路径

  • Demo运行结果

demo运行结果

原稿地址:http://chars.tech/tensorflow

次步就是是基于可行性对白板及之想法进行筛选和东拼西凑,这个路我们得之家伙是。。。一群可爱又挑剔的同事。其实,产品汪最使人痛心疾首的即使是一致碰撞首一个想方设法的非因谱。所以,我们以拿想法记录到白板及以后,大家一起座谈,看看哪想法是真的助益,哪些想法而且被人口发生相同种植扇你耳光的兴奋。最后,把真的的展示点并接到一起,查缺补漏,就好整合得一个开的设计方案了。

开启或关闭环境

当你绝不 TensorFlow 的下,关闭环境:

(tensorflow)$ source deactivate

$  # Your prompt should change back

再使用的时节又激活 :

$ source activate tensorflow
(tensorflow)$  # Your prompt should change.
# Run Python programs that use TensorFlow.
...
# When you are done using TensorFlow, deactivate the environment.
(tensorflow)$ source deactivate

以率先次成功原型的统筹后,演示为得接手的同事等,进行高效讨论,然后针对原型修改,再错过演示。开启这样一个循环往复模式,争取以至少的循环内做出一个给处处还得以承受之设计方案。

方法

  • Preferences
  • Project Interpreter
  • Click More

UXPIN:

每当就前面,笔者写了千篇一律首简单的入门文章《初探
TensorFlow》。当时莫会成搭建环境,加上后期的办事缘故,至此搁置了一段时间。今天,终于各种磨难,在温馨的Mac上经过又尝后,完美搭建成功。这里就是拿它们分享出去,希望对大家有着助。

实质上就是工作流程而言,每个企业、每个团队、每个设计师都是免雷同的,并无所谓的统一标准,更多之是因地制宜。以上只是熊先生因自己之一点实践经验和平时读书的书被总的概括工作流程。主要的目的是为抛砖引玉,如果生更靠谱的办法艺术,希望各位大神不吝赐教。小白们也只要来齐沟通交流,大家共同进步!

激活

激活tensorflow条件,然后下中的 pip 安装 TensorFlow.
当使用easy_install使用--ignore-installed符防止误的发出。

URL of the TensorFlow Python
package

$ source activate tensorflow
(tensorflow)$  # Your prompt should change

# Ubuntu/Linux 64-bit, CPU only, Python 2.7:
(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0rc0-cp27-none-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 2.7. Requires CUDA toolkit 7.5 and CuDNN v4.
# For other versions, see "Install from sources" below.
(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.8.0rc0-cp27-none-linux_x86_64.whl

# Mac OS X, CPU only:
(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-0.11.0rc0-py2-none-any.whl

对于 Python 3.x :

$ source activate tensorflow
(tensorflow)$  # Your prompt should change

# Ubuntu/Linux 64-bit, CPU only, Python 3.4:
(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0rc0-cp34-cp34m-linux_x86_64.whl

# Ubuntu/Linux 64-bit, GPU enabled, Python 3.4. Requires CUDA toolkit 7.5 and CuDNN v4.
# For other versions, see "Install from sources" below.
(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.8.0rc0-cp34-cp34m-linux_x86_64.whl

# Mac OS X, CPU only:
(tensorflow)$ pip install --ignore-installed --upgrade https://storage.googleapis.com/tensorflow/mac/tensorflow-0.8.0rc0-py3-none-any.whl

conda 环境激活后,你得测试:

$ python
>>> import tensorflow as tf
>>> print(tf.__version__)
# 0.11.0rc0

其一手续是一个好之想法能否照进现实的关键所在。在此间,我们用会见为此到Axure、Balsamiq这仿佛原型设计工具。对于这同类的工具软件,熊先生之想法是:找个大概好用的。因为在当时无异品是内需循环往复地失去修改到,如果选用的家伙过于复杂,以至于为此家伙牵着鼻子走,那立便真正是得不偿失了。而且,现在以是信息时代,产品的出产跟迭代这么之快,一旦以工具的挑不慎而远在被动的地位,那么浪费之用不仅是私房的时刻,这将本着普项目的递进还用构成威胁。因此,个人于溺爱Mockplus、Proto.io、UXPIN这种轻量级的家伙。同时,熊先生还眷恋建议大家以挑工具的下,最好选用相对平稳的桌面客户端工具,比如上述三缓工具剧中的Mockplus。这样可以避浏览器崩溃或者网络不平静等题材,从而有效之节约时间本。选择这款工具的另外一个说辞就是,预览方式多种多样,可以满足不同对象的得,省去了诸多教学时间。

PyCharm 配置

重点:是的配置ProjectInterpreter即可

Mockplus:

立环境

起一个 conda 计算环境名字被tensorflow:

# Python 2.7
$ conda create -n tensorflow python=2.7

# Python 3.4
$ conda create -n tensorflow python=3.4

仲、筛选拼装——合理之舍取

信任每个人都出温馨的行事章程,但并无是每个人的劳作措施都是正确的、有效的。熊先生入职也发出一段时间了,平时吧浅薄地读了有些书本文化,自己总结了一个平常干活之流水线,希望对在劳作达成摸不起头绪的小白们可以有助。