模型实战准备（一） | TensorFlow入门和环境配置

在IDEA中安装tensorflow的分享： 1. Anaconda：是一个python环境的管理软件，它一般可以采用界面或者命令行，安装按照官网文档来即可，具体解释下几个基础概念： channels:就是获取包的来源，一般需要改为清华镜像源，那样下载速度快些 tensorflow-gpu:该包是针对有英伟达GPU的电脑的，使用需要安装NVIDIA提供的CUDA库和cuDNN神经网络加速库 2.python环境，一般使用IDEA创建py文件时，需要指定python环境，最好先使用Anaconda创建一个含有tensorflow包的环境，再创建文件时使用该环境，这样不易出问题。

老师为什么我没有tfmodel这个模块呢？是要自己创建么

已经学到了第20讲，我们一直在用IDEA里使用TensorFlow，而且我觉得很方便，所以突然有了个问题， 我们既然IDEA里已经可以很好的运用TensorFlow， 而且可以方便的跟项目内部其他模块进行连接，那用Docker的好处和意义又是什么呢？而且在Docker里使用TensorFlow，我们怎么跟IDEA里的其他模块进行连接呢？

当你运行是遇到如下问题： 2020-11-22 00:24:18.554317: I tensorflow/core/platform/cpu_feature_guard.cc:145] This TensorFlow binary is optimized with Intel(R) MKL-DNN to use the following CPU instructions in performance critical operations: SSE4.1 SSE4.2 AVX AVX2 FMA To enable them in non-MKL-DNN operations, rebuild TensorFlow with the appropriate compiler flags. 2020-11-22 00:24:18.554530: I tensorflow/core/common_runtime/process_util.cc:115] Creating new thread pool with default inter op setting: 6. Tune using inter_op_parallelism_threads for best performance. Train on 60000 samples Epoch 1/5 OMP: Error #15: Initializing libiomp5.dylib, but found libiomp5.dylib already initialized. OMP: Hint This means that multiple copies of the OpenMP runtime have been linked into the program. That is dangerous, since it can degrade performance or cause incorrect results. The best thing to do is to ensure that only a single OpenMP runtime is linked into the process, e.g. by avoiding static linking of the OpenMP runtime in any library. As an unsafe, unsupported, undocumented workaround you can set the environment variable KMP_DUPLICATE_LIB_OK=TRUE to allow the program to continue to execute, but that may cause crashes or silently produce incorrect results. For more information, please see http://www.intel.com/software/products/support/. Process finished with exit code 134 (interrupted by signal 6: SIGABRT) 运行： conda install nomkl 可以解决。

大佬你好，我比较偏工程，想知道后续会有保存tensorflow的模型，java部署线上预估server的教程嘛，谢谢。

还想请教老师，我经常被做项目过程中如何安装插件，如果设置环境这些很琐碎的问题卡住，经常是一个小问题就会卡好几天，在网上也经常搜不到解决方案，所以大多数的时间甚至不是花在学习项目山，而是配置软件上了。老师您是怎么一点一点了解这些的呢，比如您刚接触如何使用tensorflow， 使用docker的时候，在inteliJ使用conda环境，这些都是怎么学会的？ 是工作中同事相互讨论吗？

老师您好，请问如果需要使用gpu训练全量数据，或者要复现deepfm，din等比较复杂的推荐系统模型，对机器有没有什么要求呢，cpu核数，内存大小，显存大小，显卡型号等等

在图3的步骤添加python SDK的时候，“JDK home path”的路径是不是一定要设置在tf/bin/python 这个路径呢？首先我去查找我的文件然后发现Users\myname\Anacomda3\envs\tf 这个路径下没有bin\python这个subfolder，然后如果直接选择tf这个文件夹，就是提示“The selected directory is not a valid home for JDK”. 想请教老师和大家该怎么解决

王老师，现在生产环境中 tf 2.X 版本使用的多吗？而且一些新的预训练等等的模型支持的全吗？

王老师，我在操作您介绍的第一种方式（docker+jupyter）时候遇到了一个问题，在本地安装完tensorflow镜像和tensorflow-jupyter镜像后，运行docker run -it -p 8888:8888 tensorflow/tensorflow:latest-jupyter命令，然后服务顺利的启动了。但是在本地浏览器启动http://localhost:8888/ 的时候，界面显示“localhost拒绝了我们的连接请求”。这个是怎么回事呀？