【学习】TensorFlow2环境配置

简介: 【学习】TensorFlow2环境配置

1,安装python


我使用的是mac电脑,更新到最新系统之后,自己带的是python的3.9.12版本,所以并没有另外安装python


2,安装Anaconda


我参考了几篇博客,都告诉我去使用镜像网站进行安装,理由是下载会比较快,从我的安装经验来说,完全没有必要,因为下载好了安装会出问题,直接去官网下载安装,出问题的概率小一点,官网地址:Anaconda


安装完成之后,可以使用命令conda --version查看自己是否安装成功,并且查看版本。


3,安装tensorFlow2


这块比较有技术含量,主要是因为我不太懂这个,所以看起来比较高级


首先我们使用conda list查看安装了哪些东西,是否已经包含tensorFlow2,刚开始安装,应该是没有的,然后我们从头开始创建


#创建一个新环境
conda create --name tensorflow python=3.9.12
#进入这个环境
conda activate tensorflow
#安装tensorFlow2
pip install -i https://pypi.doubanio.com/simple tensorflow==2.9.0
#安装matplotlib
pip install matplotlib -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com


4,代码运行


按照博主第一课的代码写出来(其实我还没搞懂代码都啥意思,但是代码能跑起来),然后进入我们上面新创建的 tensorflow 环境,执行刚刚写的代码


#选择环境
conda activate tensorflow
#运行代码,tensorflow1.py就是我的文件名字
python tensorflow1.py


5,学习遇到的问题


主要是环境问题,还有就是这个代码运行起来,不明白咋运行起来的


还有就是后面输出模型那块,还没搞明白模型输出到哪里了。。


6,学习的收获


环境搞定了!


第一个demo搞定了!

目录
相关文章
|
12月前
|
TensorFlow 算法框架/工具
tensorflow 入门学习
tensorflow 入门学习
34 0
|
7天前
|
持续交付 测试技术 jenkins
JSF 邂逅持续集成,紧跟技术热点潮流,开启高效开发之旅,引发开发者强烈情感共鸣
【8月更文挑战第31天】在快速发展的软件开发领域,JavaServer Faces(JSF)这一强大的Java Web应用框架与持续集成(CI)结合,可显著提升开发效率及软件质量。持续集成通过频繁的代码集成及自动化构建测试,实现快速反馈、高质量代码、加强团队协作及简化部署流程。以Jenkins为例,配合Maven或Gradle,可轻松搭建JSF项目的CI环境,通过JUnit和Selenium编写自动化测试,确保每次构建的稳定性和正确性。
26 0
|
7天前
|
C# 开发者 前端开发
揭秘混合开发新趋势:Uno Platform携手Blazor,教你一步到位实现跨平台应用,代码复用不再是梦!
【8月更文挑战第31天】随着前端技术的发展,混合开发日益受到开发者青睐。本文详述了如何结合.NET生态下的两大框架——Uno Platform与Blazor,进行高效混合开发。Uno Platform基于WebAssembly和WebGL技术,支持跨平台应用构建;Blazor则让C#成为可能的前端开发语言,实现了客户端与服务器端逻辑共享。二者结合不仅提升了代码复用率与跨平台能力,还简化了项目维护并增强了Web应用性能。文中提供了从环境搭建到示例代码的具体步骤,并展示了如何创建一个简单的计数器应用,帮助读者快速上手混合开发。
17 0
|
4月前
|
机器学习/深度学习 TensorFlow 算法框架/工具
关于Tensorflow!目标检测预训练模型的迁移学习
这篇文章主要介绍了使用Tensorflow进行目标检测的迁移学习过程。关于使用Tensorflow进行目标检测模型训练的实战教程,涵盖了从数据准备到模型应用的全过程,特别适合对此领域感兴趣的开发者参考。
58 3
关于Tensorflow!目标检测预训练模型的迁移学习
|
4月前
|
机器学习/深度学习 数据采集 TensorFlow
TensorFlow与迁移学习:利用预训练模型
【4月更文挑战第17天】本文介绍了如何在TensorFlow中运用迁移学习,特别是利用预训练模型提升深度学习任务的性能和效率。迁移学习通过将源任务学到的知识应用于目标任务,减少数据需求、加速收敛并提高泛化能力。TensorFlow Hub提供预训练模型接口,可加载模型进行特征提取或微调。通过示例代码展示了如何加载InceptionV3模型、创建特征提取模型以及进行微调。在实践中,注意源任务与目标任务的相关性、数据预处理和模型调整。迁移学习是提升模型性能的有效方法,TensorFlow的工具使其变得更加便捷。
|
4月前
|
机器学习/深度学习 PyTorch TensorFlow
【TensorFlow】深度学习框架概述&TensorFlow环境配置
【1月更文挑战第26天】【TensorFlow】深度学习框架概述&TensorFlow环境配置
|
10月前
|
机器学习/深度学习 TensorFlow API
学习 TensorFlow:构建和训练机器学习模型的利器
学习 TensorFlow:构建和训练机器学习模型的利器
|
机器学习/深度学习 TensorFlow API
TensorFlow2.0学习使用笔记
TensorFlow2.0学习使用笔记
|
机器学习/深度学习 存储 人工智能
深度学习入门笔记6 tensorflow学习
深度学习入门笔记6 tensorflow学习
|
机器学习/深度学习 PyTorch TensorFlow
事实胜于雄辩,苹果MacOs能不能玩儿机器/深度(ml/dl)学习(Python3.10/Tensorflow2)
坊间有传MacOs系统不适合机器(ml)学习和深度(dl)学习,这是板上钉钉的刻板印象,就好像有人说女生不适合编程一样的离谱。现而今,无论是[Pytorch框架的MPS模式](https://v3u.cn/a_id_272),还是最新的Tensorflow2框架,都已经可以在M1/M2芯片的Mac系统中毫无桎梏地使用GPU显卡设备,本次我们来分享如何在苹果MacOS系统上安装和配置Tensorflow2框架(CPU/GPU)。
事实胜于雄辩,苹果MacOs能不能玩儿机器/深度(ml/dl)学习(Python3.10/Tensorflow2)

热门文章

最新文章

下一篇
DDNS