1.3　体验TensorFlow文本分类

以文本分类这个经典问题来体验TensorFlow。

1.3.1　安装TensorFlow

这里介绍在Linux操作系统下安装TensorFlow。当前推荐使用Ubuntu发行版本。

当用户最终让自己的Linux操作系统正常运行以后，请打开一个终端并安装一些必要的软件。

git：分布式版本控制系统。

wget：使用HTTP、HTTPS和FTP协议进行数据传输。

必须安装的软件包括：

awk：编程语言，用于搜索和处理文件和数据流中的模式。

bash：UNIX Shell和脚本编程语言。

grep：逐行处理文本并打印与指定模式匹配的任何行。

make：从源代码自动构建可执行程序和库。

bazel：从源代码自动构建TensorFlow可执行程序和库。

perl：动态编程语言，非常适合文本文件处理。

例如，安装git可以用如下的命令。

     #apt-get install git

要仅为在CPU上使用而安装当前版本：

     #pip install tensorflow

如果要使用支持CUDA的GPU卡，则安装TensorFlow的GPU版本：

     #pip install tensorflow-gpu

在交互式环境测试TensorFlow：

使用函数tf.nn.softmax()测试Tensorflow。例如，有一个4维的向量。-1是最低值，3是最高值。这些值都归一化为0～1的数值。

softmax是逻辑函数的推广，softmax将任意实数值的K维向量“压缩”到[0,1]区间的实数值的K维向量，向量中的元素值加起来为1。

如果TensorFlow依赖的numpy出错，则可以考虑先卸载numpy，然后重新安装Tensorflow。

可以使用交互式会话测试Tensorflow：

1.3.2　实现文本分类

在训练文本分类模型之前，必须先准备数据。可以创建一个简单的JSON文件来保存训练所需的数据。

以下是示例JSON训练的数据文件，其中包含5个类别。

数据加载和预处理：

构建一个简单的深度神经网络，并用它来训练模型。

使用下面的代码测试神经网络文本分类Python模型。