下面是“win10下tensorflow和matplotlib安装教程”的完整攻略：
安装Anaconda
首先要安装Anaconda，Anaconda是一个集成了Python和许多常用库的环境。可以从官网下载安装，并根据安装向导进行操作。
创建虚拟环境
Anaconda的优势在于可以创建虚拟环境，这个虚拟环境可以独立于其它环境运作。可以使用以下命令创建一个新的虚拟环境：
conda create -n myenv python=3.7
注意，上述命令中myenv是虚拟环境的名称，而python=3.7指明了Python版本。
激活虚拟环境
创建完虚拟环境后，需要激活该环境。可以使用以下命令激活该环境：
conda activate myenv
激活完虚拟环境后，就可以在里面安装TensorFlow和Matplotlib了。
安装TensorFlow
在激活虚拟环境后，可以使用以下命令安装TensorFlow：
pip install tensorflow
上述命令会自动安装最新版本的TensorFlow，如果想要安装指定版本的TensorFlow，则可以使用以下命令：
pip install tensorflow==1.14
安装Matplotlib
在激活虚拟环境后，可以使用以下命令安装Matplotlib：
pip install matplotlib
安装完成后，就可以在Python代码中使用Matplotlib了。
示例1：TensorFlow
以下是一个使用TensorFlow训练线性回归模型的示例代码：
import tensorflow as tf
import numpy as np
# 准备训练数据
x_data = np.random.rand(100).astype(np.float32)
y_data = x_data * 0.1 + 0.3
# 构建图
W = tf.Variable(tf.random_uniform([1], -1.0, 1.0))
b = tf.Variable(tf.zeros([1]))
y = W * x_data + b
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)
# 训练模型
init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)
for step in range(201):
sess.run(train)
if step % 20 == 0:
print(step, sess.run(W), sess.run(b))
sess.close()
以上代码会训练一个简单的线性回归模型，并输出训练结果。编写完上述代码后，可以直接在命令行中运行该代码。
示例2：Matplotlib
以下是一个使用Matplotlib绘制函数图像的示例代码：
import matplotlib.pyplot as plt
import numpy as np
# 准备数据
x = np.linspace(-np.pi, np.pi, 256, endpoint=True)
c, s = np.cos(x), np.sin(x)
# 绘制图像
plt.figure(figsize=(8, 6), dpi=80)
plt.plot(x, c, color="blue", linewidth=2.5, linestyle="-", label="cosine")
plt.plot(x, s, color="red", linewidth=2.5, linestyle="-", label="sine")
# 设置图形范围
plt.xlim(x.min() * 1.1, x.max() * 1.1)
plt.ylim(c.min() * 1.1, c.max() * 1.1)
# 设置坐标轴上的标签
plt.xticks([-np.pi, -np.pi/2, 0, np.pi/2, np.pi],
[r'$-\pi$', r'$-\pi/2$', r'$0$', r'$\pi/2$', r'$\pi$'])
plt.yticks([-1, 0, 1], [r'$-1$', r'$0$', r'$+1$'])
# 调整边框
ax = plt.gca()
ax.spines["right"].set_color("none")
ax.spines["top"].set_color("none")
ax.xaxis.set_ticks_position("bottom")
ax.spines["bottom"].set_position(("data", 0))
ax.yaxis.set_ticks_position("left")
ax.spines["left"].set_position(("data", 0))
# 绘制图例
plt.legend(loc="upper left", frameon=False)
# 显示图形
plt.show()
以上代码会绘制函数$y=\sin(x)$和$y=\cos(x)$的图像。编写完上述代码后，可以直接在命令行中运行该代码，就可以看到Matplotlib绘制的图像了。
希望以上内容对您有所帮助。
本文链接：https://my.lmcjl.com/post/20804.html
展开阅读全文
4 评论