tensorflow学习笔记1——mac开发环境配置

摘要：模块中包含着大量的语料库，可以很方便地完成很多自然语言处理的任务，包括分词词性标注命名实体识别及句法分析。导入工具包，下载数据源。在终端输入是第一被添加到核心中的高级别框架，成为的默认。至此开发环境配置完毕

内存：8G+
cpu：i5+
硬盘：SSD 128G+

本人的电脑配置是cpu：i7, 内存：16G,硬盘:SSD 256G

1.1 安装pip

打开terminal，执行命令：
$ sudo easy_install pip
passwork:******

2 安装virtualenv沙箱工具

$ pip install virtualenv --upgrade
$ sudo pip install virtualenv --upgrade

3 创建沙箱环境

$virtualenv --system-site-packages /virenv_path/

4 运行tensorflow

进入沙箱路径
$ cd /virenv_path/

激活沙箱
$ source bin/activate

安装tensorflow
$ pip install tensorflow

安装bazel工具
从源代码编译安装，需要使用Bazel编译工具，而安装bazel需要先安装xcode-select,在terminal输入命令:
$ xcode-select --install
$ brew install bazel<

进入python
$ python
运行测试代码
>>>import tensorflow as tf
>>>hello = tf.constant("Hello, TensorFlow!")
>>>sess = tf.Session()
>>>print sess.run(hello)
$ Hello, TensorFlow!
恭喜，tensorFlow环境已经成功安装！

2.1 安装jdk

  TensorFlow编译时会用到jdk，有些系统已经安装可跳过，如果没有安装可根据configure时的报错提示安装

2.2 激活沙箱

 $ source bin/activate

2.3 开始配置tensorflow

 $./configure
 配置中会出现很多可选项，所有选项都选n，路径跳过

2.4 编译(会消耗较长时间)

  $ bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package

2.5 生成pip安装包

  $ bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

2.6 安装TensorFlow

  $ pip install /tmp/tensorflow_pkg/tensorflow-($version)-cp27m-macosx_10_7_x86_64.whl

3.1 numpy

  $ pip install numpy --upgrade

3.2 matplotlib

  python最著名的绘图库，他提供了一整套和MATLAB相似的命令API，十分适合交互式地进行制图，用它可以画出美丽的线图、散点图、等高线图，条形图、柱状图、3D图等，而且还可以方便地将它作为绘图控件，嵌入GUI应用程序中。
  
  $ sudo pip install matplotlib --upgrade
  
  安装完之后输入
  
  $python
  >>>import matplotlib
  
  如果报错输入
  
  >>>quit()
  
  则退出python,使用easy_install安装，命令如下:
  
  $ easy_install matplotlib
  
  安装完毕后进入python验证,
  
  $ python
  >>>import matplotlib
  
  没有错误提示，导入成功
  接下来,在python命令行中继续输入
  
  >>>import matplotlib.pyplot as plt
  
  报错，$ Python is not installed as a framework...
  pip安装matplotlib之后，会在根目录下产生一个.matplotlib的目录:
  在terminial中输入:

  $ vim ~/.matplotlib/matplotlibrc
  
  打开vim编辑器，在里面输入backend:TkAgg，wq保存后退出
  然后重启python，输入
  
  >>>import matplotlib.pyplot as plt
  导入成功

3.3 jupyter

   Ipython的升级版，能够在浏览器中创建和共享代码、方程、说明文档。界面相当友好，功能也很强大
   $ sudo pip install jupyter --upgrade

3.4 scikit-image

   scikit-image有一组图像处理的算法，可以使过滤一张图片变得很简单，非常适合用于对图像的预处理
   $ sudo pip install scikit-image --upgrade

3.5 librosa

   librosa是用python进行音频特征提取的第三方库，有很多方式可以提取音频特征。
   $ sudo pip install librosa --upgrade

3.6 nltk

  nltk模块中包含着大量的语料库，可以很方便地完成很多自然语言处理的任务，包括分词、词性标注、命名实体识别(NER)及句法分析。
  $ sudo pip install nltk --upgrade
 导入nltk工具包，下载nltk数据源。在terminal终端输入:
  $ python
  >>>import nltk
  >>>nltk.download()

3.7 keras

  Keras是第一被添加到Tensorflow核心中的高级别框架，成为Tensorflow的默认API。
  $ sudo pip install keras --upgrade

3.8 tflearn

  TFLearn是另一个支持Tensorflow核心的第三方框架。 
  $ sudo pip install git+https://github.com/tflearn/tflearn.git
  

至此开发环境配置完毕