TensorFlow安装部署

简介: 1.环境依赖 Centos7 组件 版本 Python 2.7.5 TensorFlow 0.14.0 pyhton依赖库 Package Version -------------------- --------- absl-py 0.

1.环境依赖

Centos7

组件 版本
Python 2.7.5
TensorFlow 0.14.0

pyhton依赖库

Package              Version  
-------------------- ---------
absl-py              0.8.0    
astor                0.8.0    
backports.weakref    1.0.post1
enum34               1.1.6    
funcsigs             1.0.2    
futures              3.3.0    
gast                 0.2.2    
google-pasta         0.1.7    
grpcio               1.23.0   
h5py                 2.9.0    
Keras-Applications   1.0.8    
Keras-Preprocessing  1.1.0    
Markdown             3.1.1    
mock                 3.0.5    
numpy                1.16.5   
pip                  19.2.3   
protobuf             3.9.1    
setuptools           41.2.0   
six                  1.12.0   
tensorboard          1.14.0   
tensorflow           1.14.0   
tensorflow-estimator 1.14.0   
termcolor            1.1.0    
Werkzeug             0.15.5   
wheel                0.33.6   
wrapt                1.11.2   

2.资源准备

安装包下载

百度云盘链接:https://pan.baidu.com/s/1cm9mZpP1JRwyGpq945ffaQ
提取码:8bxj

3.安装

a).安装python-devel

## 在线安装
yum install python-devel

## 离线安装
rpm -ivh python-devel-2.7.5-80.el7_6.x86_64.rpm

b).安装virtualenv

## 在线安装
pip install virtualenv

## 离线安装

c).安装tensorflow

进入虚拟机,安装tensorflow

## Step1: 创建虚拟机
virtualenv tensorflow

## Step2: 进入虚拟机
source ./tensorflow/bin/activate
## 在线安装
pip install tensorflow

## 离线安装
pip install --no-index --find-links=/path/to/tensorflow_1.14.0_package -r tensorflow_requirement.txt

4.测试

测试代码

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train),(x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0

model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten(input_shape=(28, 28)),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10, activation='softmax')
])

model.compile(optimizer='adam',
              loss='sparse_categorical_crossentropy',
              metrics=['accuracy'])

model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test)

执行测试

python test.py

测试结果

5.环境依赖下载

## python-devel
http://mirror.centos.org/centos/7/updates/x86_64/Packages/python-devel-2.7.5-80.el7_6.x86_64.rpm

## tensorflow-1.14.0
https://files.pythonhosted.org/packages/d3/59/d88fe8c58ffb66aca21d03c0e290cd68327cc133591130c674985e98a482/tensorflow-1.14.0-cp27-cp27mu-manylinux1_x86_64.whl

## pip-19.2.3
https://files.pythonhosted.org/packages/00/9e/4c83a0950d8bdec0b4ca72afd2f9cea92d08eb7c1a768363f2ea458d08b4/pip-19.2.3.tar.gz

## virtualenv
https://files.pythonhosted.org/packages/f7/69/1ad2d17560c4fc60170056dcd0a568b83f3453a2ac91155af746bcdb9a07/virtualenv-16.7.4-py2.py3-none-any.whl
目录
相关文章
|
JavaScript 前端开发 API
python对接API二次开发高级实战案例解析:百度地图Web服务API封装函数(行政区划区域检索、地理编码、国内天气查询、IP定位、坐标转换)
python对接API二次开发高级实战案例解析:百度地图Web服务API封装函数(行政区划区域检索、地理编码、国内天气查询、IP定位、坐标转换)
732 0
|
8月前
|
网络协议 算法 网络性能优化
计算机网络常见面试题(一):TCP/IP五层模型、TCP三次握手、四次挥手,TCP传输可靠性保障、ARQ协议
计算机网络常见面试题(一):TCP/IP五层模型、应用层常见的协议、TCP与UDP的区别,TCP三次握手、四次挥手,TCP传输可靠性保障、ARQ协议、ARP协议
|
10月前
|
机器学习/深度学习 存储 自然语言处理
深度学习中的模型压缩技术:从理论到实践
本文深入探讨了深度学习领域中的模型压缩技术,包括权重剪枝、量化、知识蒸馏和轻量级模型设计。通过对比实验结果,展示了这些技术在保持模型精度的同时,显著降低计算资源和存储需求。
|
XML JSON API
深入了解API:详解应用程序接口的作用和原理
在现代软件开发领域中,API(Application Programming Interface,应用程序接口)扮演着至关重要的角色。无论是在Web开发、移动应用还是大型软件系统中,API都是不可或缺的组成部分。本文将深入探讨API的作用和原理,帮助读者更好地理解和应用API
|
人工智能 编解码 安全
【最新】Sora到底是什么?Sora详解:一文带你熟悉Sora
《Sora详解:一文带你熟悉Sora,以及Sora新手小白使用教程》是一篇深入介绍OpenAI最新文本生成视频大模型Sora的文章。它探讨了Sora的定义、功能和使用方法,为读者提供了全面了解和上手Sora的指南。这篇文章旨在帮助新手快速掌握Sora,并展示其在视频创作领域的潜力。
627 0
【最新】Sora到底是什么?Sora详解:一文带你熟悉Sora
|
敏捷开发 前端开发 JavaScript
实践总结|前端架构设计的一点考究(上)
本文总结了作者在日常/大促业务的“敏捷”开发过程中产生的疑惑,并尝试做出思考得到一些解决思路和方案。在前端开发和实践过程中,梳理了一些简单设计方案可以缓解当时 “头疼” 的几个敏捷迭代问题,并实践在项目迭代中。
206 0
|
人工智能
AgentLM:智谱AI对齐Agent能力微调语言模型,模型&数据集均开源
为探索提升智能体任务之间的促进及泛化效果,智谱AI&清华KEG提出了一种对齐Agent能力的微调方法 AgentTuning,该方法使用少量数据微调已有模型,显著激发了模型的 Agent能力,同时可以保持模型原有的通用能力。
|
存储 数据采集 定位技术
地理信息系统(GIS)
地理信息系统(GIS)
499 0
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等

登录插画

登录以查看您的控制台资源

管理云资源
状态一览
快捷访问