相关新闻
面包屑当前位置:吴圩网 > 娱乐 > 鸿博彩票五分彩-TensorFlow2.0正式版发布,极简安装TF2.0(CPU&GPU)教程

鸿博彩票五分彩-TensorFlow2.0正式版发布,极简安装TF2.0(CPU&GPU)教程

发布时间:2020-01-11 18:08:41    浏览次数:2396

鸿博彩票五分彩-TensorFlow2.0正式版发布,极简安装TF2.0(CPU&GPU)教程

鸿博彩票五分彩,作者 | 小宋是呢

转载自csdn博客

【导读】tensorflow 2.0,昨天凌晨,正式放出了2.0版本。

不少网友表示,tensorflow 2.0比pytorch更好用,已经准备全面转向这个新升级的深度学习框架了。

本篇文章就带领大家用最简单地方式安装tf2.0正式版本(cpu与gpu),由我来踩坑,方便大家体验正式版本的tf2.0。

废话不多说现在正式开始教程。

1 环境准备

我目前是在windows10上面,使用conda管理的python环境,通过conda安装cuda与cudnn(gpu支持),通过pip安装的tensorflow2.0。经过尝试只是最简单地安装方式,无需配置复杂环境。

(关于ubuntu与mac版本的安装可以仿照此方法,因为conda支持多平台,应该没什么问题,如果大家问题多的话,可以评论,我后面会会更新ubuntu安装教程)

1.0 conda环境准备

conda是很好用python管理工具,可以方便建立管理多个python环境。后面安装的步骤里我也会介绍一些常用的conda指令。

conda 我推荐使用安装miniconda,大家可以理解为精简版的anaconda,只保留了一些必备的组件,所以安装会比快上很多,同时也能满足我们管理python环境的需求。(anaconda一般在固态硬盘安装需要占用几个g内存,花费1-2个小时,miniconda一般几百m,10分钟就可以安装完成了)

miniconda推荐使用清华源下载:https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/

选择适合自己的版本就可以,

windows推荐地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/miniconda3-4.7.10-windows-x86_64.exe

ubuntu推荐地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/miniconda3-4.7.10-linux-x86_64.sh

mac os推荐地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/miniconda3-4.7.10-macosx-x86_64.pkg

下以windows版本来安装miniconda作为演示,从上述下载合适版本,下载好后以管理员权限打开点击安装。

注意这两个都要勾选,一个是让我们可以直接在cmd使用conda指令,第二个是把miniconda自带的python3.7作为系统python。

安装好后就可以在cmd中使用conda指令了,cmd打开方式,windows键+r键,弹出输入框,输入cmd就进入了。也可以直接在windows搜索cmd点击运行。

下面介绍些cmd conda指令:

查看conda环境:conda env list

新建conda环境(env_name就是创建的环境名,可以自定义):conda create -n env_name

激活conda环境(ubuntu与macos 将conda 替换为source):conda activate env_name

退出conda环境:conda deactivate

安装和卸载python包:conda install numpy # conda uninstall numpy

查看已安装python列表:conda list -n env_name

知道这些指令就可以开始使用conda新建一个环境安装tf2.0了。

1.1 tf2.0 cpu版本安装

tf cpu安装比较简单,因为不需要配置gpu,所以windows ubuntu macos安装方式都类似,缺点就是运行速度慢,但是用于日常学习使用还是可以的。

下面以windows版本做演示:一下均在命令行操作

1.1.0 新建tf2.0 cpu环境(使用conda 新建环境指令 python==3.6表示在新建环境时同时python3.6)

当弹出 :proceed ([y]/n)? 输入y回车

完成后就可以进入此环境

1.1.1 进入tf_2c环境

进入后我们就可以发现:(tf_2c)在之前路径前面,表示进入了这个环境。使用conda deactivate可以退出。

我们再次进入 conda activate tf_2c ,便于执行下述命令

1.1.2 安装tf2.0 cpu版本(后面的 -i 表示从国内清华源下载,速度比默认源快很多)

如果网不好的,多执行几次。然后过一会就安装好啦。下面我们做下简单测试。

1.1.3 测试tf2.0 cpu版本(把下面代码保存到demo.py使用tf_2c python运行)

如果没有问题的话输出结果如下:可以看到tf 版本为2.0.0 因为是cpu版本,所以gpu 为false

1.2 tf2.0 gpu版本安装

gpu版本和cpu类似,但是会多一步对于gpu支持的安装。下面来一步步实现。安装之前确认你的电脑拥有nvidia的gpu

1.2.0 新建tf2.0 gpu环境(使用conda 新建环境指令 python==3.6表示在新建环境时同时python3.6)

当弹出 :proceed ([y]/n)? 输入y回车

完成后就可以进入此环境

1.1.1 进入tf_2g环境

1.1.2 安装gpu版本支持,拥有nvidia的gpu的windows一般都有默认驱动的,只需要安装cudatoolkit 与 cudnn包就可以了,要注意一点需要安装cudatoolkit 10.0 版本,注意一点,如果系统的cudatoolkit小于10.0需要更新一下至10.0

1.1.3 安装tf2.0 gpu版本(后面的 -i 表示从国内清华源下载,速度比默认源快很多)

如果网不好的,多执行几次。然后过一会就安装好啦。下面我们做下简单测试。

1.1.3 测试tf2.0 gpu版本(把下面代码保存到demo.py使用tf_2g python运行)

如果没有问题的话输出结果如下:可以看到tf 版本为2.0.0 因为是gpu版本,所以gpu 为true,这表示gpu版本安装完成了。

1.2 最后我们测试一个使用tf2.0版本方式写的线性拟合代码

把下述代码保存为main.py

输出结果如下:

原文链接:https://blog.csdn.net/xiaosongshine/article/details/101844926

(*本文为 ai科技大本营转载文章,转载请联系作者)

快乐10分开奖结果

© Copyright 2018-2019 cocopp.com吴圩网 Inc. All Rights Reserved.