tensorflowのdockerイメージを動かしてみた

参考

• 公式HP

virtualenvを使う場合

• ubuntu 16.04にて実施

sudo apt install -y python-pip3 python-dev virtualenv
sudo pip3 install --upgrade pip
sudo pip3 install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-cp34-cp34m-linux_x86_64.whl

virtualenv --system-site-packages ~/tensorflow

source ~/tensorflow/bin/activate
(tensorflow)$ deactivate

---

素の環境に入れる場合

• Installing TensorFlow on Ubuntu | TensorFlow

sudo apt-get install -y python-pip python-dev
pip install tensorflow

---

dockerで動かす場合

docker run -it \
 -p 8888:8888 \
 gcr.io/tensorflow/tensorflow

• http://localhost:8888

--

チュートリアル

• MNIST For ML Beginners

サンプルの関数が変更になっているため以下を参考。

• Transitioning to TensorFlow 1.0 | TensorFlow

python起動

python

from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)

• ./MNIST_data/ に 12MBダウンロードされる。

import tensorflow as tf
x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.nn.softmax(tf.matmul(x, W) + b)
y_ = tf.placeholder(tf.float32, [None, 10])
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
for i in range(1000):
  batch_xs, batch_ys = mnist.train.next_batch(100)
  sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: mnist.test.labels}))

0.9164 と出力されることを確認。

---

OpenAI Gym

• 関係ないが見た目が面白かったのでここにメモっておこう。

git clone https://github.com/openai/gym
cd gym
pip install -e .

pip install gym

• OpenAI Gym

サンプル1

import gym
env = gym.make('CartPole-v0')
env.reset()
for _ in range(1000):
    env.render()
    env.step(env.action_space.sample()) # take a random action

サンプル2

import gym
env = gym.make('CartPole-v0')
for i_episode in range(20):
    observation = env.reset()
    for t in range(100):
        env.render()
        #print(observation)
        action = env.action_space.sample()
        observation, reward, done, info = env.step(action)
        if done:
            print("Episode finished after {} timesteps".format(t+1))
            break

CartPole-v0

この部分を以下で出てくるidを突っ込めば良さそう(前提となるソフトは必要だと思う。)

grep id gym/envs/__init__.py

---

Kerasを使う

pip3 install tensorflow
pip3 install keras

• windows環境だと Anaconda をインストールして使うのが今時っぽい。

• 深層学習のライブラリ「Keras」の使い方【入門編】 | TechAcademyマガジン のサンプルを動かしたのが以下例