对于tensorflow，凡是计算机等专业的学生均有所耳闻。tensorflow作为最热门机器学习框架之一，正被广泛使用。为帮助大家使用和增进对tensorflow的认识，本文将带来tensorflow的安装教程，并对tensorflow实现简单线性回归的具体做法予以探讨。如果你对tensorflow具有兴趣，不妨继续往下阅读哦。

一、Pip 安装TensorFlow

Pip 是一个 Python 的软件包安装与管理工具.

首先安装 pip (或 Python3 的 pip3 ):

安装 TensorFlow :

如果是 Python3 :

备注：如果之前安装过 TensorFlow < 0.7.1 的版本,应该先使用 pip uninstall 卸载 TensorFlow 和 protobuf ,保证获取的是一个最新 protobuf 依赖下的安装包.

二、Anaconda安装tensorflow

Anaconda 是一个集成许多第三方科学计算库的 Python 科学计算环境,Anaconda 使用 conda 作为自己的包管理工具,同时具有自己的计算环境,类似 Virtualenv.

和 Virtualenv 一样,不同 Python 工程需要的依赖包,conda 将他们存储在不同的地方。 TensorFlow 上安装的 Anaconda 不会对之前安装的 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

· 安装成功后,每次使用 TensorFlow 的时候需要激活 conda 环境

建立一个 conda 计算环境名字叫tensorflow:

激活tensorflow环境,然后使用其中的 pip 安装 TensorFlow. 当使用easy_install使用--ignore-instalLED标记防止错误的产生。

对于 Python 3.x :

conda 环境激活后,你可以测试

当你不用 TensorFlow 的时候,关闭环境:

再次使用的时候再激活

三、tensorflow实现简单线性回归

导入需要的所有软件包：

1. 在神经网络中，所有的输入都线性增加。为了使训练有效，输入应该被归一化，所以这里定义一个函数来归一化输入数据：

2. 现在使用 TensorFlow contrib 数据集加载波士顿房价数据集，并将其分解为 X_train 和 Y_train。可以对数据进行归一化处理：

3. 为训练数据声明 TensorFlow 占位符：

4. 创建 TensorFlow 的权重和偏置变量且初始值为零：

5. 定义用于预测的线性回归模型：

6. 定义损失函数：

7. 选择梯度下降优化器：

8. 声明初始化操作符：

9. 现在，开始计算图，训练 100 次：

10. 查看结果：

解读分析

从下图中可以看到，简单线性回归器试图拟合给定数据集的线性线：

在下图中可以看到，随着模型不断学习数据，损失函数不断下降：

下图是简单线性回归器的 TensorBoard 图：

该图有两个名称范围节点 Variable 和 Variable_1，它们分别是表示偏置和权重的高级节点。以梯度命名的节点也是一个高级节点，展开节点，可以看到它需要 7 个输入并使用 GradientDescentOptimizer 计算梯度，对权重和偏置进行更新：

以上便是此次小编带来的“tensorflow”相关内容，通过本文，希望大家对如何安装tensorflow以及如何采用tensorflow实现简单线性回归具备一定的了解。如果你喜欢本文，不妨持续关注我们网站哦，小编将于后期带来更多精彩内容。最后，十分感谢大家的阅读，have a nice day!