1.git安装与使用

1.1 git安装

1、从Git官网下载一个Git安装包，官网地址为：http://git-scm.com/downloads；

2、一键安装，环境变量会自己配置好

1.2 修改git bash默认路径

　　1. 开始菜单下找到Git Bash 快捷方式

　　2. 选中Git Bash图标，右键，选中“属性”

　　3. 去掉--cd-to-home，修改“起始位置”为自定义的git 本地仓库的路径，如：F:\git_code

1.3 git常用操作

1. 创建新仓库：创建文件夹，进入文件夹，执行git init 命令

2. 检出仓库：git clone username@host:/path/to/repository

3. 从远程下载 1) git remote add origin git@github.com:demonxian3/hellowrold.git #关联本地和远程仓库

2) git pull origin master 　　　　　　　　#从远程把新变化拉下来

4. 本地上传 1) git add your_resource 　　　　　　　#从本地仓库增加，结果会保存到本机缓存里

2) git commit –m “注释” #提交本机缓存的内容到本机HEAD里面

3)git push origin master 　　　　　　 #把本地仓库提交到远程仓库 origin代表关联的远程仓库

2.环境搭建

2.1 tensorflow安装

1.pip install tensorflow

2.2 安装CUDA（是显卡厂商NVIDIA推出的运算平台）

1.打开链接https://developer.nvidia.com/cuda-toolkit-archive 找对应的版本下载可以下local版（1.4G）或者network 版比较小

2.安装后检查环境变量 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin

2.3. 安装cuDNN（是用于深度神经网络的GPU加速库）

1.下载https://developer.nvidia.com/rdp/cudnn-download

2.解压配置环境变量C:\Program Files\NVIDIA GPU Computing Toolkit\cudnn-9.0-windows10-x64-v7\cuda\bin

3.测试

3.1 helloword测试

　　1.跑helloworld 发现警告 Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2

　　解释：1）为了提升CPU计算速度的。若你有支持cuda的GPU，则可以忽略这个问题，因为安装SSE4.1, SSE4.2, AVX, AVX2, FMA, 仅仅提升CPU的运算速度（大概有3倍）

　　解决办法：

　　　　　　1）忽视警告，并屏蔽警告

　　　　　　　　开头输入如下：

　　　　　　　　import os

　　　　　　　　os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

　　　　　　2）进 tensorflow 官网，从源码安装。

　　2.代码

'''HelloWorld example using TensorFlow library.Author: Aymeric DamienProject: https://github.com/aymericdamien/TensorFlow-Examples/'''from __future__ import print_functionimport tensorflow as tf# Simple hello world using TensorFlow# Create a Constant op# The op is added as a node to the default graph.## The value returned by the constructor represents the output# of the Constant op.hello = tf.constant('Hello, TensorFlow!')# Start tf sessionsess = tf.Session()# Run the opprint(sess.run(hello))

3.2 简单线性回归测试

'''@author :Eric-chen@contact:809512722@qq.com@time   :2018/4/14 18:09@desc   :简单线性回归'''import tensorflow as tfimport numpy as npimport osos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'#create datax_data=np.random.rand(100).astype(np.float32)y_data=0.1*x_data+0.3#create tensorflow structure startWeights=tf.Variable(tf.random_uniform([1],-2.0,2.0))biases=tf.Variable(tf.zeros([1]))y=Weights*x_data+biasesloss=tf.reduce_mean(tf.square(y-y_data))optimizer=tf.train.GradientDescentOptimizer(0.4)train=optimizer.minimize(loss)init=tf.global_variables_initializer()#create tensorflow structure endsess=tf.Session()#Very importantsess.run(init)for step in range(2000):    sess.run(train)    if step%20 ==0:        print(step,sess.run(Weights),sess.run(biases))

参考资料：

转载于:https://www.cnblogs.com/jycjy/p/8836152.html

你可能感兴趣的文章

python:how does subclass call baseclass's __init__()