tensorflow第一天 环境搭建

简介: tensorflow第一天 环境搭建

最新 Tensorflow 2.3 极简安装


安装环境要求 以下


64 位系统支持

TensorFlow: Ubuntu 16.04 或更高版本

Windows 7 或更高版本

macOS 10.12.6 (Sierra) 或更高版本(不支持 GPU)

Raspbian 9.0 或更高版本

安装Python版本要求 Python 3.5 – 3.7


搭建开发环境 推荐使用 Miniconda 搭建python环境 Miniconda是最小的conda安装环境,它提供了:


conda 包管理工具 2. python


下载 miniconda •可在官网下载对应python 3.5 - 3.7 版本的 miniconda


Windows用户需安装VC •Visual C++ 安装,

可从微软的官网下载 https://support.microsoft.com/zh-cn/help/2977003/the-latest-supported-visual-c-downloads


安装完 VC 后需重启计算机。


Tensorflow版本 Tensorflow分为CPU版本和GPU版本。


GPU 版本的 TensorFlow 可以利用 NVIDIA GPU 强大的计算加速能力,使 TensorFlow 的运行更为高效, 尤其是可以成倍提升模型训练的速度。


Tensorflow版本 Tensorflow分为CPU版本和GPU版本。


GPU 版本的 TensorFlow 可以利用 NVIDIA GPU 强大的计算加速能力,使 TensorFlow 的运行更为高效, 尤其是可以成倍提升模型训练的速度。


Tensorflow CPU版本安装 第一步,升级 pip 版本(可选,如果pip版本大于19.0, 可忽略此步骤), 打开anaconda prompt 命令行,执行:


python -m pip install --upgrade pip

Tensorflow CPU版本安装 第二步,安装tensorflow2.3的cpu版本

pip install tensorflow-cpu2.3.0 -i https://pypi.douban.com/simple/


等待安装结束即可完成安装


Tensorflow GPU版本安装 安装GPU版本必须有GPU 硬件的支持。

TensorFlow 对 NVIDIA 显卡的支持较为完备。 我们使用 conda 来安装GPU版本

Tensorflow GPU版本安装 对于 NVIDIA 显卡,要求其 CUDA Compute Capability 须不低于 3.5。


算力参考: https://developer.nvidia.com/cuda-gpus


Tensorflow GPU版本安装 驱动版本注意:NVIDIA驱动程序需 418.x 或更高 版本。 可在命令行中执行查看驱动版本:

nvidia-smi


Tensorflow GPU版本安装 GPU版本有两个依赖库,对于 tensorflow2.3来讲 CUDA的版本需要是 10.1 cudnn版本号需要不小于 7.6


Tensorflow GPU版本安装 因为GPU版本这两个依赖库比较大,不需要大家 手动配置,我们使用conda安装,建议大家设置 conda的国内源。


Tensorflow GPU版本安装 Conda配置文件 可以直接从tensorflow交流群群 文件中下载,放到你的用户文件中。


Tensorflow GPU版本 依赖库安装 然后打开anaconda prompt 命令行,执行:

conda install cudatoolkit=10.1 conda install cudnn=7.6.5


Tensorflow GPU版本 依赖库安装 然后执行tensorflow安装:

pip install tensorflow-gpu2.3.0 -i

相关实践学习
基于阿里云DeepGPU实例,用AI画唯美国风少女
本实验基于阿里云DeepGPU实例,使用aiacctorch加速stable-diffusion-webui,用AI画唯美国风少女,可提升性能至高至原性能的2.6倍。
相关文章
|
5天前
|
并行计算 TensorFlow 算法框架/工具
Tensorflow2 环境搭建
Tensorflow2 环境搭建
54 0
|
机器学习/深度学习 Ubuntu Linux
TensorFlow环境搭建
前几天,我们刚下发了毕业设计的题目,我选的题目为基于TensorFlow的深度学习与研究,这将会是一个系列文章,截止2020-07我会将所有相关内容用更加通俗易懂的方式发布在公众平台上,我们一块学习,让我们嗨起来~。
TensorFlow环境搭建
|
并行计算 Ubuntu Linux
Ubuntu18.04LTS下cuda10.0+cudnn7.5+TensorFlow1.13环境搭建
目录 前言 开发环境一览 显卡驱动安装 下载驱动 禁用nouveau 安装驱动 安装CUDA10.0 第一个CUDA程序 安装cudnn7.5 安装TensorFlow1.13 最后 前言 之前写过cuda环境的搭建文章, 这次干脆补全整个深度学习环境的搭建.
10403 0
|
Web App开发 安全 Linux
《Web安全之机器学习入门》一 2.2 TensorFlow简介与环境搭建
本节书摘来自华章出版社《Web安全之机器学习入门》一 书中的第2章,第2.2节,作者:刘焱,更多章节内容可以访问云栖社区“华章计算机”公众号查看。
1688 0
|
Linux TensorFlow 算法框架/工具
tensorflow 环境搭建(linux,centos)
按顺序一步一步解决依赖并安装。1.python 笔者使用的版本为2.7.5。2.python-pip pip,Python Index Package。类似linux下的yum,安装并管理python软件包。 pip安装命令:yum install  python-pip python-devel 备注:不安装python-devel的话,pynum安装就会报错。这是一个py下的数
3616 0
|
1天前
|
机器学习/深度学习 数据可视化 TensorFlow
使用TensorFlow进行深度学习入门
【5月更文挑战第18天】本文介绍了TensorFlow深度学习入门,包括TensorFlow的概述和一个简单的CNN手写数字识别例子。TensorFlow是由谷歌开发的开源机器学习框架,以其灵活性、可扩展性和高效性著称。文中展示了如何安装TensorFlow,加载MNIST数据集,构建并编译CNN模型,以及训练和评估模型。此外,还提供了预测及可视化结果的代码示例。
|
2天前
|
机器学习/深度学习 PyTorch TensorFlow
深度学习:Pytorch 与 Tensorflow 的主要区别(2)
深度学习:Pytorch 与 Tensorflow 的主要区别(2)
8 0
|
4天前
|
机器学习/深度学习 PyTorch TensorFlow
Pytorch 与 Tensorflow:深度学习的主要区别(1)
Pytorch 与 Tensorflow:深度学习的主要区别(1)
17 2
|
4天前
|
机器学习/深度学习 人工智能 自然语言处理
使用TensorFlow进行深度学习入门
【5月更文挑战第11天】本文引导读者入门TensorFlow深度学习,介绍TensorFlow——Google的开源机器学习框架,用于处理各种机器学习问题。内容包括TensorFlow安装(使用pip)、核心概念(张量、计算图和会话)以及构建和训练简单线性回归模型的示例。通过这个例子,读者可掌握TensorFlow的基本操作,包括定义模型、损失函数、优化器以及运行会话。
|
4天前
|
机器学习/深度学习 TensorFlow 算法框架/工具
Python深度学习基于Tensorflow(7)视觉处理基础
Python深度学习基于Tensorflow(7)视觉处理基础
22 2
Python深度学习基于Tensorflow(7)视觉处理基础

相关实验场景

更多