什么是TensorFlow?

TensorFlow是Google开发的一款神经网络的Python外部的结构包, 也是一个采用数据流图来进行数值计算的开源软件库.TensorFlow 让我们可以先绘制计算结构图, 也可以称是一系列可人机交互的计算操作, 然后把编辑好的Python文件转换成更高效的C++, 并在后端进行计算.

为什么要使用TensorFlow?

TensorFlow 无可厚非地能被认定为神经网络中最好用的库之一. 它擅长的任务就是训练深度神经网络.通过使用TensorFlow我们就可以快速的入门神经网络, 大大降低了深度学习（也就是深度神经网络）的开发成本和开发难度. TensorFlow 的开源性, 让所有人都能使用并且维护, 巩固它. 使它能迅速更新, 提升.

在开始之前, 让我们先看一段使用 Python API 撰写的 TensorFlow 示例代码, 让你对将要学习的内容有初步的印象.

这段很短的 Python 程序生成了一些三维数据, 然后用一个平面拟合它.

import tensorflow as tf

import numpy as np

# 使用 NumPy 生成假数据(phony data), 总共 100 个点.

x_data = np.float32(np.random.rand(2, 100)) # 随机输入

y_data = np.dot([0.100, 0.200], x_data) + 0.300

# 构造一个线性模型

#

b = tf.Variable(tf.zeros([1]))

W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))

y = tf.matmul(W, x_data) + b

# 最小化方差

loss = tf.reduce_mean(tf.square(y - y_data))

optimizer = tf.train.GradientDescentOptimizer(0.5)

train = optimizer.minimize(loss)

# 初始化变量

init = tf.initialize_all_variables()

# 启动图 (graph)

sess = tf.Session()

sess.run(init)

# 拟合平面

for step in xrange(0, 201):

    sess.run(train)

    if step % 20 == 0:

        print step, sess.run(W), sess.run(b)

# 得到最佳拟合结果 W: [[0.100  0.200]], b: [0.300]

Window 平台安装 Python:

打开WEB浏览器访问http://www.python.org/download/
在下载列表中选择Window平台安装包，包格式为：python-XYZ.msi 文件， XYZ 为你要安装的版本号。
要使用安装程序 python-XYZ.msi, Windows系统必须支持Microsoft Installer 2.0搭配使用。只要保存安装文件到本地计算机，然后运行它，看看你的机器支持MSI。Windows XP和更高版本已经有MSI，很多老机器也可以安装MSI。
下载后，双击下载包，进入Python安装向导，安装非常简单，你只需要使用默认的设置一直点击"下一步"直到安装完成即可。

在安装完成之后，打开控制台，输入“Python”，如果看到：python不是内部外部命令，这时候需要设置环境变量：

原因很简单，是因为python.exe文件在 Python 目录下，我们还没有设置环境变量。所以我们需要手动添加环境变量：鼠标右键我的电脑 -> 属性 -> 点击高级系统设置 -> 点击环境变量 -> 点击PATH -> 在最后面加上我们的Python安装路径 -> 点击确定。

安装pip

Pip 是一个 Python 的软件包安装与管理工具.首先安装 pip (或 Python3 的 pip3 ):

我们同样需要在Python的官网上去下载，下载地址是：https://pypi.python.org/pypi/pip#downloads

下载完成之后，解压到一个文件夹，用CMD控制台进入解压目录，输入：

python setup.py install
安装好之后，我们直接在命令行输入pip，同样会显示‘pip’不是内部命令，也不是可运行的程序。因为我们还没有添加环境变量。
按照之前介绍的添加环境变量的方法，我们在PATH最后添加：C:\Python34\Scripts;
到现在我们才算完整安装好了pip：

安装 TensorFlow

在cmd命令窗口，直接运行：
pip install tensorflow （使用CPU）
或者

pip install tensorflow-gpu （如果你的系统有GPU并希望使用）

结果我的计算机失败，在网上找到解决方法：执行以下命令：

pip3 install --upgrade https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.0.0-py3-none-any.whl

Docker安装TensorFlow

直接打开Kitematic，搜索tensorflow，第一个就是官方容器，下载镜像，运行即可进入。

生成验证码

首先安装这两个包：

pip install captcha

pip install matplotlib

#coding:utf-8

from captcha.image import ImageCaptcha  # pip install captcha

import numpy as np

import matplotlib.pyplot as plt

from PIL import Image

import random,time,os

# 验证码中的字符, 就不用汉字了

number = ['0','1','2','3','4','5','6','7','8','9']

alphabet = ['a','b','c','d','e','f','g','h','i','j','k','l','m','n','o','p','q','r','s','t','u','v','w','x','y','z']

ALPHABET = ['A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q','R','S','T','U','V','W','X','Y','Z']

# 验证码一般都无视大小写；验证码长度4个字符

def random_captcha_text(char_set=number+alphabet+ALPHABET, captcha_size=4):

	captcha_text = []

	for i in range(captcha_size):

		c = random.choice(char_set)

		captcha_text.append(c)

	return captcha_text

# 生成字符对应的验证码

def gen_captcha_text_and_image():

	image = ImageCaptcha()

	captcha_text = random_captcha_text()

	captcha_text = ''.join(captcha_text)

	captcha = image.generate(captcha_text)

	#image.write(captcha_text, captcha_text + '.jpg')  # 写到文件

	#rm  =  'rm '+captcha_text + '.jpg'

	#print rm

	#os.system(rm)

	#time.sleep(10)

	captcha_image = Image.open(captcha)

	captcha_image = np.array(captcha_image)

	return captcha_text, captcha_image

if __name__ == '__main__':

	# 测试

    while(1):

    	text, image = gen_captcha_text_and_image()

    	print ('begin ',time.ctime(),type(image))

    	f = plt.figure()

    	ax = f.add_subplot(111)

    	ax.text(0.1, 0.9,text, ha='center', va='center', transform=ax.transAxes)

    	plt.imshow(image)

    	plt.show()

    	print ('end ',time.ctime())

以上代码相比于原作者代码有修改：参考https://github.com/luyishisi/Anti-Anti-Spider/blob/master/1.%E9%AA%8C%E8%AF%81%E7%A0%81/tensorflow_cnn/gen_captcha.py

巴特西

tensorflow识别验证码（1）-tensorflow安装，验证码生成