1 安裝

 1安裝Anconda 

 2創建虛擬環境名稱

3安裝包

     tensorflow

    opencv

    ……

4運行notebook

2 命令行

conda info -e  //查看當前系統下的環境
conda create -n env_name python=2.7//指定python版本為2.7，注意至少需要指定python版本或者要安裝的包
conda create -n env_name numpy matplotlib python=2.7
activate env_name//切換到新環境# linux/Mac下需要使用source activate env_name
deactivate env_name//退出環境，也可以使用`activate root`切回root環境
conda remove -n env_name --all//移除環境
conda list # 指定查看某環境下安裝的package
conda list -n env_name
conda update numpy conda update anaconda//更新包
conda remove numpy//卸載包
conda install -n your_env_name  包名
 conda create -n your_env_name python=X.X
conda env list 或 conda info -e 查看當前存在哪些虛擬環境

3 初學tensorflow

本質：數據加計算圖

1像素讀取寫入

2 常量與變量的定義

3常量四則運算

 

4 圖片的讀取展示

5 圖片的寫入

6 tensorflow中的矩陣

7 tensorflow中的加法

 

8 numpy中的矩陣，圖錶

2 股票價格的預測 

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
date=np.linspace(1,15,15)
endPrice=np.array([2511.90,2538.26,2510.68,2591.66,2732.98,2701.69,2701.29,2678.67,2726.50,2681.50,2739.17,2715.07,2823.50,2864.90,2919.08])
beginPrice=np.array([2438.71,2500.88,2534.95,2512.52,2594.04,2743.26,2697.47,2695.24,2678.23,2722.13,2674.93,2744.13,2717.46,2832.73,2877.40])
print(date)
#plt.figure() #繪圖
for i in range(0,15): 
    #柱狀
    dateOne=np.zeros([2])
    dateOne[0]=i;
    dateOne[1]=i;
    priceOne=np.zeros([2])
    priceOne[0]=beginPrice[i]
    priceOne[1]=endPrice[i]
    if endPrice[i]>beginPrice[i]:
        plt.plot(dateOne,priceOne,'r',lw=8)
    else:
        plt.plot(dateOne,priceOne,'g',lw=8)

#plt.show()
dateNormal=np.zeros([15,1])
priceNormal=np.zeros([15,1])
for i in range(0,15):
    dateNormal[i,0]=i/14.0;
    priceNormal[i,0]=endPrice[i]/3000.0;
x=tf.placeholder(tf.float32,[None,1])
y=tf.placeholder(tf.float32,[None,1])
w1=tf.Variable(tf.random_uniform([1,10],0,1))
b1=tf.Variable(tf.zeros([1,10]))
wb1=tf.matmul(x,w1)+b1
layer1=tf.nn.relu(wb1)#激勵函數
w2=tf.Variable(tf.random_uniform([10,1],0,1))
b2=tf.Variable(tf.zeros([15,1]))
wb2=tf.matmul(layer1,w2)+b2
layer2=tf.nn.relu(wb2)#激勵函數
loss=tf.reduce_mean(tf.square(y-layer2))
train_step=tf.train.GradientDescentOptimizer(0.1).minimize(loss)
with tf.Session() as sess:
    sess.run(tf.global_variables_initializer())
    for i in range(0,1000):
        sess.run(train_step,feed_dict={x:dateNormal,y:priceNormal})
        
    pred=sess.run(layer2,feed_dict={x:dateNormal})
    predPrice=np.zeros([15,1])
    for i in range(0,15):
        predPrice[i,0]=(pred*3000)[i,0]
    plt.plot(date,predPrice,'y',lw=1)
plt.show()

 

 

https://www.bilibili.com/video/av30595084/?p=8