本篇是《写给设计师的人工智能指南》系列的第3篇，本期主要想帮助大家最快速度地上手tensorflow。
前2期的文章可以点击以下链接，快速回顾：
以下为正文
Tensorflow的环境，我采用的是Docker搭建的。
Docker通常用于如下场景：
web应用的自动化打包和发布；
自动化测试和持续集成、发布；
在服务型环境中部署和调整数据库或其他的后台应用；
从头编译或者扩展现有的OpenShift或Cloud Foundry平台来搭建自己的PaaS环境。
1、下载Docker
https://download.docker.com/mac/stable/Docker.dmg
如果你用的是window系统，选择Docker for window就行啦；
2、运行Docker
安装好docker后，在Mac的Launchpad打开docker.app，等待一会就好啦～
如上图所示，docker is running。
3、打开终端，运行hello docker
在终端中输入：
docker run hello-world
出现下图，表示docker正常运行啦。
4、安装tensorflow镜像
我用的是阿里云的镜像，终端输入：
git clone https://github.com/denverdino/TensorFlow-Examples
下载完成后，终端输入
cd TensorFlow-Examples
5、配置容器
阿里云的Docker镜像里已经做好了模版docker-compose.yml
直接在终端里输入：
docker-compose up -d
等待片刻
6、启动容器
终端输入：
docker-compose ps
会看到成功启动字样，可以直接通过 http://127.0.0.1:8888/ 从浏览器中访问Tensorflow的Jupyter交互实验环境。
登录密码为: tensorflow
7、新建一个Notebooks
登陆后，可以看到下图所示的界面：
新建个Notebooks，选择Python2
8、运行hello tensorflow
TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。
TensorFlow 程序通常被组织成一个构建阶段和一个执行阶段；
在构建阶段, operation 的执行步骤被描述成一个图；
在执行阶段, 使用会话Session 执行执行图中的 op(operation) 。
我画了张图，表示最基本的一个tensorflow程序：
代码如下：
import tensorflow as tf
#1构建阶段
#1.1常量
hello = tf.constant('Hello, TensorFlow!')
a = tf.constant(10)
b = tf.constant(32)
#1.2变量
state = tf.Variable(2 , name='counter')
#1.3 图中的节点被称之为 op (operation 的缩写)
c=a+b
n_val = tf.add(state,c)
update = tf.assign(state,n_val)
#2执行阶段
#2.1初始化变量,tf的变量需要初始化后才能执行
init = tf.global_variables_initializer()
#2.2启动默认图,及运行
sess = tf.Session()
sess.run(init)
#2.3循环执行单个op
for _ in range(3):
step=sess.run(update)
print(step)
#2.4执行多个op
result=sess.run([state,hello])
#2.5打印结果
print result
把代码贴到新建的Notebooks里，运行下吧～
这就是最基本的tensorflow程序。
希望可以帮你快速进入tensorflow的世界～～～
参考文章：
www.open-open.com/lib/view/op…
欢迎长按二维码
关注本号
本号发布内容主要为设计&科技方面
