第2章 TensorFlow环境搭建

2.1 TensorFlow的主要依赖包

2.1.1 Protocol Buffer

Protocol Buffer是谷歌开发的处理结构化数据的工具。它主要解决的问题就是如何将结构化的数据序列化，从而能够进行网络传输，然后再从序列化的数据中还原出原来的数据结构。

Protocol Buffer序列化的数据要比XML格式的数据小3到10倍，解析时间快20到30倍。

 

2.1.2 Bazel 

Bazel是谷歌开源的自动化构建工具，类似于Makefile。

Bazel至少要包含三个文件：WORKSPACE,BUILD,主文件。WORKSPACE定义了对外部资源的依赖关系。BUILD定义了每一个编译目标的输入、输出以及编译方式。主文件是项目主程序。对于Python程序来说，BUILD支持三种编译方式：py_binary, py_library, py_test。

 

2.2 TensorFlow安装

TensorFlow的安装方式很多，可通过Docker、pip、源码和Anaconda安装。本文只介绍如何用Anaconda安装。

1. 首先安装Anaconda。请自行百度，不再赘述。

2. 创建一个新环境。conda create --name tensorflow python=3.6

3. 激活环境。 source activate tensorflow

4. 安装tensorflow。 conda install tensorflow

 

2.3 TensorFlow测试样例

 

当前的环境是：

python: 3.6

conda: 4.7.0

tensorflow: 2.0

 

TensorFlow实战Google深度学习框架（2）

 

 

备注：TensorFlow2.0相比于1.0，变动很大，tf.Session(), tf.run(), placeholder, feeddict这些函数都没有了。如果还想和TensorFlow1.0一样的用法的话只需要在开头使用两行指令

import tensorflow.compat.v1 as tf

tf.disable_v2_behavior()