TensorFlowをインストールし、MNIST for Beginnersを試す
CentOSの環境で、TensorFlowの動作を確認出来る所までを記載します。
前提
- CentOS7
- Anaconda
手順
Anaconda環境準備
CentOSにAnacondaをインストールしてデータサイエンスに踏み込んでみる
TensorFlow用仮想環境準備
conda create -n tensorflow python=3.5 source activate tensorflow
TensorFlowインストール
export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.9.0rc0-cp35-cp35m-linux_x86_64.whl
なお、使っている環境によってtensorflowの種類は書き換えましょう。TensorFlow参照
easy_install --upgrade six pip install --upgrade $TF_BINARY_URL
TensorFlowにはPython3.5の場合はpip3を使うようになっていますが、今回のインストール方法ではpipで良いです。
Successfullyが出た事を確認しましょう
テストドライブ
$ python
...
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello, TensorFlow!
>>> a = tf.constant(10)
>>> b = tf.constant(32)
>>> print(sess.run(a + b))
42
>>>
GitHubからClone
cd /usr/local/src/ mkdir ./tensorflow git clone --recurse-submodules https://github.com/tensorflow/tensorflow ./tensorflow cd ./tensorflow/ vi ./tensorflow/examples/tutorials/mnist/fully_connected_feed.py
# from tensorflow.examples.tutorials.mnist import input_data # from tensorflow.examples.tutorials.mnist import mnist import input_data import mnist
fully_connected_feed.pyを実行
source activate tensorflow python ./tensorflow/examples/tutorials/mnist/fully_connected_feed.py
実行結果に
Training Data Eval: Num examples: 55000 Num correct: 49327 Precision @ 1: 0.8969 Validation Data Eval: Num examples: 5000 Num correct: 4531 Precision @ 1: 0.9062 Test Data Eval: Num examples: 10000 Num correct: 9035 Precision @ 1: 0.9035
みたいに表示される。
TensorBoard起動
tensorboard --logdir=/usr/local/src/tensorflow/data
実行結果
Starting TensorBoard on port 6006 (You can navigate to http://0.0.0.0:6006)
TensorBoardにて結果確認
ブラウザで http://IPaddress:6006 にアクセス クロスエントロピーやニューラルネットワークを見る事が出来れば、とりあえず動作完了です。
備考
- TensorFlowを使わない時
source deactivate
- TensorFlowを使う時
source activate tensorflow
