tensorflow 订阅
TensorFlow™是一个基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于各类机器学习(machine learning)算法的编程实现,其前身是谷歌的神经网络算法库DistBelief [1]  。Tensorflow拥有多层级结构,可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算,被广泛应用于谷歌内部的产品开发和各领域的科学研究 [1-2]  。TensorFlow由谷歌人工智能团队谷歌大脑(Google Brain)开发和维护,拥有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在内的多个项目以及各类应用程序接口(Application Programming Interface, API) [2]  。自2015年11月9日起,TensorFlow依据阿帕奇授权协议(Apache 2.0 open source license)开放源代码 [2]  。 展开全文
TensorFlow™是一个基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于各类机器学习(machine learning)算法的编程实现,其前身是谷歌的神经网络算法库DistBelief [1]  。Tensorflow拥有多层级结构,可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算,被广泛应用于谷歌内部的产品开发和各领域的科学研究 [1-2]  。TensorFlow由谷歌人工智能团队谷歌大脑(Google Brain)开发和维护,拥有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在内的多个项目以及各类应用程序接口(Application Programming Interface, API) [2]  。自2015年11月9日起,TensorFlow依据阿帕奇授权协议(Apache 2.0 open source license)开放源代码 [2]  。
信息
稳定版本
1.12.0/2018年10月9日
开发者
谷歌大脑
类    型
机器学习库
平    台
Linux,macOS,Windows
许可协议
Apache 2.0 open source license
初始版本
beta/2015年11月9日
 
iOS,Android,Web
外文名
TensorFlow
编程语言
Python,C++,CUDA
TensorFlow背景
谷歌大脑自2011年成立起开展了面向科学研究和谷歌产品开发的大规模深度学习应用研究,其早期工作即是TensorFlow的前身DistBelief [1]  。DistBelief的功能是构建各尺度下的神经网络分布式学习和交互系统,也被称为“第一代机器学习系统” [1]  。DistBelief在谷歌和Alphabet旗下其它公司的产品开发中被改进和广泛使用 [3-4]  。2015年11月,在DistBelief的基础上,谷歌大脑完成了对“第二代机器学习系统”TensorFlow的开发并对代码开源。相比于前作,TensorFlow在性能上有显著改进、构架灵活性和可移植性也得到增强 [1]  。此后TensorFlow快速发展,截至稳定API版本1.12,已拥有包含各类开发和研究项目的完整生态系统。在2018年4月的TensorFlow开发者峰会中,有21个TensorFlow有关主题得到展示 [2]  。
收起全文
精华内容
下载资源
问答
  • Tensorflow2.0】Tensorflow2.x的安装教程

    万次阅读 多人点赞 2019-03-07 19:04:08
    昨天tensorflow 开发者大会刚开完,会上发布了关于 TensorFlow 2.0,TensorFlow Lite,TensorFlow.js,Swift for TensorFlow,TFX 等产品生态体系的最新更新和首次发布的内容,2019年任会支持tensorflow1.x,但是我们...

    Anaconda 可以使tensorflow的安装变的简单

    昨天tensorflow 开发者大会刚开完,会上发布了关于 TensorFlow 2.0,TensorFlow Lite,TensorFlow.js,Swift for TensorFlow,TFX 等产品生态体系的最新更新和首次发布的内容,2019年仍会支持tensorflow1.x,但是我们相信,版本的升级会带来易用性和使用性能的提升,特别是tensorflow1.x 开发api的混乱,有slim、tf.layers, tf.contrib 后期版本有tf.keras ,还有读数据方式,都特别麻烦,所以本文章基于linux系统提供安装方法(Windows系统安装anaconda以后也可以使用该教程)。

    插播:很荣幸本文于2020年11月5日被Tensorflow官方社区收录,欢迎去社区逛逛

    1. 首先安装anaconda
      这个直接官网去下载就可以了,可以是安装anaconda 或miniconda,我选择miniconda,这样不会把大量用不到的python包都安装了,而是根据需求,后期自己安装。
      下载miniconda ,基本一路回车安装完成就可以,然后配置下载源来使⽤国内镜像加速下载:
      (时代在变化,社会在发展,anaconda不再有国内的加速镜像,所以以下添加清华源的命令就不要执行了!!,用默认的官方源也是可以使用的,更改于2019年7月2日 )清华源又可以用了
    #优先命名用清华conda 镜像
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
    conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
    conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
    conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
    
    # 搜索时显示通道地址
    conda config --set show_channel_urls yes
    
    1. 创建一个环境,用来安装tensorflow2.0以及相关的python packages.
    #加上cudatoolkit and cudnn这样不论你的机器原来装的是否合适,都可以用tensorflow2.0gpu版本
    conda create -n tf2 python=3.6 
    
    1. 激活创建的环境,安装tensorflow2.0
    #激活环境
    source activate tf2
    #对于GPU版的安装,为保证不论原始linux环境是什么样的都可以安装,如果原系充已经符合,以下命令不用执行
    conda install cudatoolkit=10 cudnn=7.6 #目前tf2.0不支持cuda10.1(对应cudnn7.6),官网要求cuda=10,cudnn>7.4
    #对于CPU版本,上边这行命令是不需要执行的
    #接下来安装tensorflow 有多种情形
    conda install tensorflow #安装tensorflow cpu稳定版本
    conda install tensorflow-gpu#安装ensorflow gpu稳定版本
    #使用这前可以使用 conda serach tensorflo 或conda search tensorflow-gpu来查询都有那些版本
    #可以初装指定版本 conda install tensorflow=1.5 tensorflow 1.5版本
    #如果安装错了可以使用conda uninstall tensorflow卸载后再重新安装
    #接下来是要安装是新的tensorflow版本,conda环境使用pip同样生效
    pip install tf-nightly #cpu 版本
    pip install tf-nightly-gpu#GPU版本
    #本人网上查了具体的版本
    pip install tf-nightly-2.0-preview#Install tf 2.0 preview CPU version
    pip install tf-nightly-gpu-2.0-preview#Install tf 2.0 preview GPU version
    

    以下于2019年7月2日更新部分,最近tensorflow2.0的由alpha到了beat版本,所以更新一下最新的安装方法(基础环境的搭建不变)

    pip install --upgrade pip
    pip install --upgrade tensorflow==2.0.0-beta1 #只是CPU版本
    pip install --upgrade tensorflow-gpu==2.0.0-beta1#GPU 版本的
    #关于测试安装是否成功的测试,与原来是一样的
    #会输出2.0.0-beta1
    

    于2019年8月24日再更,今早tensorflow再次更新:

    pip install tensorflow==2.0.0rc0 # cpu version
    pip install tensorflow-gpu==2.0.0rc0  #gpu version
    #最近有了更新rc1版本更新,日期没有记
    pip install tensorflow==2.0.0rc1 # cpu version
    pip install tensorflow-gpu==2.0.0rc1  #gpu version
    #tensorflow rc2版本更新于2019年9月25日,感觉正式版很快就要来了
    #安装方法同上,更新内容参见https://github.com/tensorflow/tensorflow/releases/tag/v2.0.0-rc2
    #卸载旧版
    pip uninstall tensorflow-gpu
    pip install tensorflow-gpu==2.0.0rc2
    

    rc的release candidate的意思,基本上是最后的可用于生产的版本,但仍然是测试。感觉有好多特性都有更新,具体的更新内容参见github上官方文档
    以上就完成了tensorflow2.0的安装
    2019年10月1日更新:tensorflow2.0版本正式发布,安装方法:

    pip install --upgrade pip
    pip install tensorflow-gpu==2.0.0
    

    2019年10月25日更新,从今天开始,conda支持安装tensorflow2.0,有点小舒服。

    conda search tensorflow #搜cpu版
    conda search tensorflow-gpu#搜GPU版
    #大家可以按需安装
    conda install tensorflow-gpu=2.0.0 #各种必备包自动安装,
    

    用conda 安装最好,可以判断所有安装包的版本间的兼容性,如果能安装那么肯定是兼容的。
    官网cuda和cudnn要求如下:
    在这里插入图片描述
    linux上驱动要大于410.x,cuda版本只能是10,cudnn版本要大于7.4.

    2020年1月10日再更,tensorflow2.1正式发布,有几点更新:

    • pip默认安装GPU版本,也就是说pip install tensorflow 与pip install tensorflow-gpu相同
    • tensorflow2.1 支持 cuda 10.1和cudnn 7.6,也就是说在以后可以在同一个环境中同时安装tensorflow(2.1),pytorch(1.3.1),mxnet(1.5.1),因为这三深度学习库都支持cuda 10.1.
      在这里插入图片描述
      具体安装方法:
    conda create -n dl python=3.6
    conda activate dl
    conda install cudatoolkit=10.1 cudnn=7.6
    pip install tensorflow-gpu #安装tensorflow
    pip install torch===1.3.1 torchvision===0.4.2 -f https://download.pytorch.org/whl/torch_stable.html
    pip install mxnet-cu101 #三个深度学习库都初装成功
    pip install jupyterlab pandas matplotlib pydot scikit-learn seaborn scikit-image opencv-contrib-python
    

    发现个问题,用pip安装的tensorflow2.1需要一个 libnvinfer.so的文件,这个是tensorrt的东西,不装tensorrt会报错:
    在这里插入图片描述
    按照官方教程安装一下就可以,我是用的tar包安装的,版本tensorrt6.其中
    export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:<TensorRT-${version}/lib> 这个命令写到当前用户.bashrc中就可以,然后source一下(如果用deb包安装可以省去改变环境变量这个工作)。
    再次进入dl环境,所有pip 安装的内容都不用加sudo.
    到此,使用这三个深度学习库都是没有什么问题的。

    import tensorflow as tf
    import torch
    import mxnet as mx
    from mxnet.runtime import feature_list
    
    print(mx.test_utils.list_gpus())
    print(feature_list())
    #会输出:[✔ CUDA, ✔ CUDNN, ✔ NCCL, ✔ CUDA_RTC, ✖ TENSORRT, ✔ CPU_SSE, ✔ CPU_SSE2, ✔ CPU_SSE3, ✔ CPU_SSE4_1, ✔ CPU_SSE4_2, ✖ CPU_SSE4A, ✔ CPU_AVX, ✖ CPU_AVX2, ✔ OPENMP, ✖ SSE, ✔ F16C, ✖ JEMALLOC, ✔ BLAS_OPEN, ✖ BLAS_ATLAS, ✖ BLAS_MKL, ✖ BLAS_APPLE, ✔ LAPACK, ✔ MKLDNN, ✔ OPENCV, ✖ CAFFE, ✖ PROFILER, ✔ DIST_KVSTORE, ✖ CXX14, ✖ INT64_TENSOR_SIZE, ✔ SIGNAL_HANDLER, ✖ DEBUG, ✖ TVM_OP]
    print(torch.cuda.is_available())
    print(torch.backends.cudnn.version())
    print(tf.test.is_gpu_available())
    

    在这里插入图片描述
    可以看到,三个深度学习库都 可以使用GPU,标红的地方有一个是我们提前安装的包。

    #在tensorflow2.1验证是否有gpu进,系统提示deprecated
    tf.test.is_gpu_available()#不用了
    tf.test.is_built_with_cuda()#是否支持NVIdia GPU
    tf.test.is_built_with_rocm()#是否支持AMD的显卡
    tf.test.is_built_with_gpu()#NVIDIA或AMD是否有一家的支持
    

    在这里插入图片描述
    另外,安装tensorrt需要pycuda,所以还要安装有几个额外包,这样在conda环境中才可以用pip安装pycuda.

    conda install -c nvidia nvcc_linux-64=10.1
    conda install  -c conda-forge cudatoolkit-dev=10.1
    

    执行这两个命令才可以安装pycuda

    pip install pycuda
    

    如果cudatoolkit是从Nvidia官网下载后按照这里所述方式安装的,上边这两条命令是不需要的。
    再次补充
    最近遇到一些其它问题,安装cuda10没报错但是tensorflow不能使用,这是因为系统显卡驱动太低,不匹配比较新的cuda10,唯一需要做的就是更新显卡驱动。每个版本的cuda都有显卡驱动的最低要求,如下表(参考官网说明):
    在这里插入图片描述
    可以看到,cuda10的最低版本的要求是410.48。查看原系统的显卡驱动的方法是在shell中输入: nvidia-smi(原系统安装有cuda toolkit才会有该命令)
    在这里插入图片描述
    本人电脑上当前版本是384.98,最高可安装cuda版本是9.0,而cuda9最高支持到tensorflow1.12。
    cuda版本与tensorflow版本对应关系如下表(参考官网说明):
    在这里插入图片描述
    显卡驱动安装或更新以及cuda toolkitt和cudnn的系统完装方法参见博客
    2020年5月7日更新
    今天,tensorflow2.2正式版发布,更新内容参见github,另外,Keras官网改版了,界面全新,更加接近tf2,可以快乐的学习了。
    tensorflow2.2安装方法:

    conda create -n dl python=3.7
    conda activate dl
    conda install cudatoolkit=10.1 cudnn=7.6.5
    #tensorflow的安装也方便没啥警告
    pip install tensorflow-gpu -i https://pypi.douban.com/simple
    #到目前(2020年5月7日)最新的pytorch gpu版本也可以安装
    pip install torch==1.5.0+cu101 torchvision==0.6.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.douban.com/simple
    
    1. 测试是否安装成功

    有两种方法

    • 方法一:
    import tensorflow as tf 
    print(tf.__version__)
    #输出'2.0.0-alpha0'
    print(tf.test.is_gpu_available())
    #会输出True,则证明安装成功
    
    • 方法二:
    #输入python,进入python环境
    import tensorflow as tf
    #查看tensorflow版本
    print(tf.__version__)
    #输出'2.0.0-alpha0'
    #测试GPU能否调用,先查看显卡使用情况
    import os 
    os.system("nvidia-smi")
    #调用显卡
    @tf.function
    def f():
    	pass
    f()
    #这时会打印好多日志,我电脑上还有warning,感觉不影响
    #再次查询显卡
    os.system("nvidia-smi")
    可以对比两次使用情况
    

    建意两种测试方法都试一下,有时第一种方法成功,真正建模型进行训练时确会报错,所在最好都试一下。
    好了,测试使用的过程也完成了,小伙伴们可以玩起来呀
    这里顺便提一下用来tensorflow 学习的资源

    引用文章
    1 https://docs.anaconda.com/anaconda/user-guide/tasks/tensorflow/
    2 https://medium.com/tensorflow/test-drive-tensorflow-2-0-alpha-b6dd1e522b01 需要科学上网
    3 https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
    4 https://www.tensorflow.org/install/source#install_python_and_the_tensorflow_package_dependencies

    展开全文
  • 版本:tensorflow2.0.0-alpha0(cpu版本) 安装方式:pip 一、安装环境 Tensorflow2.0.0的CPU版本环境需求简单,安装比较简洁。 TensorFlow是基于VC++2015开发的,所以需要下载安装VisualC++ Redistributable ...

    安装说明:

    平台:windows

    版本:tensorflow2.0.0-alpha0(cpu版本)

    安装方式:pip

    一、安装环境

    Tensorflow2.0.0的CPU版本环境需求简单,安装比较简洁。

    TensorFlow是基于VC++2015开发的,所以需要下载安装VisualC++ Redistributable for Visual Studio 2015 来获取MSVCP140.DLL的支持。

    二、安装过程

    anaconda安装

    在anaconda安装不需要重新下一个python版本,只需要后面新建一个虚拟环境就可以。接下来介绍具体的操作。

    1.检查anaconda安装:在cmd输入 conda --version

     

    2.检测已经安装的环境:conda info --envs

    这里如果没有新建其他环境的话,就只有一个默认的anaconda中的root环境。

    3.新建一个python3.5的环境,tensorflow:conda create --name tensorflow python=3.5

    系统会自动选择分配一个python3.5.x的版本

    4.激活新建的环境:activate tensorflow

     

    左侧的(tensorflow)就代表进入了新建的虚拟环境,这里是tensorflow

    5.先退出当前环境:deactivate

     

    环境名字没了,表示已退出

    5.确认一下,新建环境已经添加进去:conda info --envs

     

    除了原来默认的root环境,又多了一个tensorflow。bingo!继续

    6.验证一下tensorflow环境中的python版本对不对:

    activate tensorflow

    python --version

     

    7.下一步继续在tensorflow环境中安装tensorflow2.0.0

    三、tensorflow2.0.0安装

    安装cpu版本则继续输入

    pip install tensorflow==2.0.0-alpha0

    这里如果下载慢的话可以选择添加douban源或者清华源。

    指令如下:pip install tensorflow==2.0.0-alpha0 -i http://pypi.doubanio.com/simple

    安装完成后就直接在tensorflow环境中的python里import tensorflow中测试是否可以import。

     

    这里面的警告不需要担心,大功告成!!!

    四、总结

    anaconda是一个包管理工具,里面安装各种包很方便,建议每次新建工程时我们直接新建一个环境,这样不依赖其他环境程序不容易出现报错问题。

    展开全文
  • 一、WIndows安装GPU版本tensorflow注意一下几个问题一般就不会出错 (1)确定自己要安装哪个版本的tensorflow-gpu; (1)根据自己要装的tensorflow-gpu版本确定要下载的CUDA版本; (2)根据要安装的CUDA版本...

    一、WIndows安装GPU版本tensorflow注意一下几个问题一般就不会出错

    (1)确定自己要安装哪个版本的tensorflow-gpu;

    (1)根据自己要装的tensorflow-gpu版本确定要下载的CUDA版本;

    (2)根据要安装的CUDA版本确定要下载的Cudnn版本。

    二、tensorflow-gpu版本与CUDA版本对应关系

    不同版本的tensorflow-gpu与CUDA对应关系如下表所示(图片有点旧了,python版本是2.7和3.3-3.8):

    在这里插入图片描述
    对于版本号大于1.13的tensorflow-gpu版本,如1.14、1.15,建议安装CUDA10.0,不要安装最新的CUDA10.1,安装后会提示缺少很多库文件,而导致GPU版本的tensorflow无法使用,如下图所示:
    在这里插入图片描述
    如果是2.0以上的tensorflow,按下面列表安装(2020年12月更新):

    TF CUDA cudnn
    2.0 10.0 7.6
    2.1 10.1 7.6
    2.2 10.1 7.6
    2.3 10.1 7.6

    三、CUdnn与CUDA的对应关系

    NVIDIA官网链接:https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
    目前为止(2019年11月2日),最新的cuDNN版本号是7.6.3,7.5和7.6的cuDNN都支持CUDA10.1,7.4只能支持到CUDA10.0,一般如果安装的CUDA10.0的话,cuDNN7.4是可以的。

    四、检验tensorflow-gpu安装成功

    输入以下命令:

    import  tensorflow as tf 
    a = tf.constant([1.0,2.0,3.0],shape = [3], name='a')
    b = tf.constant([1.0,2.0,3.0], shape = [3], name='b')
    c = a +b
    sess = tf.Session(config = tf.ConfigProto(log_device_placement =True))
    print(sess.run(c))
    

    若显示一下信息,说明安装成功。
    在这里插入图片描述
    如果按照以上方法安装后出现了以下错误:

    ImportError: libcublas.so.10.0: cannot open shared object file: No such file or directory
    

    那么在终端输入以下命令:

    sudo ldconfig /usr/local/cuda-10.0/lib64
    

    一般就能解决问题!

    也可用一下方式临时检验:
    对于2.0以前版本:

    tf.test.is_gpu_available()
    

    2.1以后版本:

    tf.config.list_physical_devices('GPU')
    
    展开全文
  • TensorFlow 2.0 教程

    万次阅读 多人点赞 2019-03-16 21:30:39
    最全TensorFlow2.0教程-持续更新 Tensorflow 2.0 教程持续更新: TensorFlow 2.0 教程- Keras 快速入门 TensorFlow 2.0 教程-keras 函数api TensorFlow 2.0 教程-使用keras训练模型 TensorFlow 2.0 教程-用...

    最全 TensorFlow2.0 教程-持续更新

    原文地址:https://blog.csdn.net/qq_31456593/article/details/88606284

    最新tensorflow2教程和相关资源,请关注微信公众号:DoitNLP, 后面我会在DoitNLP上,持续更新深度学习、NLP、Tensorflow的相关教程和前沿资讯,它将成为我们一起学习tensorflow2的大本营

    本教程主要由tensorflow2.0官方教程的个人学习复现笔记整理而来,并借鉴了一些keras构造神经网络的方法,中文讲解,方便喜欢阅读中文教程的朋友,tensorflow官方教程:https://www.tensorflow.org

    Tensorflow2.0 教程持续更新:

    TensorFlow 2.0 教程- Keras 快速入门
    TensorFlow 2.0 教程-keras 函数api
    TensorFlow 2.0 教程-使用keras训练模型
    TensorFlow 2.0 教程-用keras构建自己的网络层
    TensorFlow 2.0 教程-keras模型保存和序列化
    TensorFlow 2.0 教程-eager模式
    TensorFlow 2.0 教程-Variables
    TensorFlow 2.0 教程–AutoGraph

    TensorFlow 2.0 深度学习实践

    TensorFlow2.0 教程-图像分类
    TensorFlow2.0 教程-文本分类
    TensorFlow2.0 教程-过拟合和欠拟合
    TensorFlow2.0教程-结构化数据分类
    TensorFlow2.0教程-回归
    TensorFlow2.0教程-保持和读取模型

    TensorFlow 2.0 基础网络结构

    TensorFlow2教程-基础MLP网络
    TensorFlow2教程-mlp及深度学习常见技巧合
    TensorFlow2教程-基础CNN网络
    TensorFlow2教程-CNN变体网络
    TensorFlow2教程-文本卷积
    TensorFlow2教程-使用预训练CNN模型
    TensorFlow2教程-LSTM和GRU
    TensorFlow2教程-自编码器
    TensorFlow2教程-卷积自编码器
    TensorFlow2教程-词嵌入
    TensorFlow2教程-DCGAN
    TensorFlow2教程-使用Estimator构建Boosted trees
    TensorFlow2教程-RNN文本分类
    TensorFlow2教程-Transformer

    TensorFlow 2.0 eager模式

    TensorFlow2.0教程-张量极其操作
    TensorFlow2.0教程-自定义层
    TensorFlow2.0教程-自动求导
    TensorFlow2.0教程-使用低级api训练(非tf.keras)
    TensorFlow2.0教程-自定义训练实战(非tf.keras)
    TensorFlow2教程-TF fuction和AutoGraph

    TensorFlow 2.0 安装

    TensorFlow2 教程-Ubuntu安装TensorFlow 2.0
    TensorFlow2教程-Windows安装tensorflow2.0

    代码实现:

    完整tensorflow2.0教程代码请看tensorflow2.0:中文教程tensorflow2_tutorials_chinese(欢迎star)

    更多TensorFlow2.0 入门教程请持续关注本博客:https://blog.csdn.net/qq_31456593/article/details/88606284
    本博客每周都会更新最新的tensorflow2的教程

    关键词:TensorFlow 2.0 入门 教程 代码 实践

    展开全文
  • TensorFlow报错:AttributeError: module ‘tensorflow._api.v1.train’ has no attribute 'SummaryWriter’等 分析:版本更新,方法调用方式改变 解决方式: 报错 原方法 更改后方法 ...
  • TensorFlow2.0笔记23〗TensorFlow2.0学习笔记总结!

    千次阅读 多人点赞 2019-10-02 20:38:15
    Tensorflow2.0全套课程学习笔记! tensorflow2.0笔记1:tensorflow2.0介绍以及安装!(2019-10-1 tensorflow2.0正式版发布) tensorflow2.0笔记2:Numpy—实现线性回归问题! tensorflow2.0笔记3:手写数字问题初...
  • 十二、使用 TensorFlow 自定义模型并训练 十三、使用 TensorFlow 加载和预处理数据 十四、使用卷积神经网络实现深度计算机视觉 十五、使用 RNN 和 CNN 处理序列 十六、使用 RNN 和注意力机制进行自然语言处理 十七、...
  • 引言: Tensorflow大名鼎鼎,这里不再赘述其为何物。这里讲描述在安装python包的时候碰到的“No matching distribution found for tensorflow”,其原因以及如何解决。 简单的安装tensorflow 这里安装的...
  • tensorflow安装教程(anaconda的方式)

    万次阅读 多人点赞 2019-04-21 10:54:32
    tensorflow安装教程 tensorflow安装教程 首先安装Anaconda 和pycharm 安装完成后打开Anaconda Prompt 在安装完成后,我们处于Root环境(从”D:\Anacanda”可看出)中,意思是刚刚下载的东西全在这个环境下了,我们...
  • TensorFlow的环境配置与安装

    万次阅读 多人点赞 2019-09-10 16:46:07
    TensorFlow是一个基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于各类机器学习(machine learning)算法的编程实现,其前身是谷歌的神经网络算法库DistBelief。 Tensorflow拥有多层级结构,可...
  • TensorFlow2.1.0安装教程

    万次阅读 多人点赞 2020-01-15 17:52:40
    TensorFlow2.1.0安装教程安装步骤常用IDE安装CUDA安装CUDA软件安装cuDNN神经网络加速库安装配置环境变量TensorFlow安装 TensorFlow是一款优秀的深度学习框架,支持多种常见的操作系统,例如Windows10,Mac Os等等,...
  • Win10 系统在 Visual Studio 2019 环境下配置 CUDA 10.1 + TensorFlow-GPU 1.14.0 环境 Windows 10 64位 Visaul Studio 2019 Anaconda 1.9.7 Python 3.7 CUDA Toolkit 10.1.120 CUDNN 7.6.1.34 ...
  • 下载地址:...Anconda下Python2.7版本的TensorFlow的安装 conda create -n tf Python=2.7 #创建2.7版本的环境 conda activate tf #激活创建的环境 pip install tensorflow_gpu-1.12...
  • Python 3.7安装tensorflow的方法:屡试不爽,亲测有效 试了网上很多方法,失败较多,有一些说用cmd安装经常出错,确实如此,下面介绍一下自己安装tensorflow-gpu版本的最简单粗暴的方法。 1、卸载已有的Anaconda...
  • 卸载TensorFlow

    千次阅读 2019-05-18 22:28:00
    卸载TensorFlow 卸载TensorFlow 1.先用pip3 list查看安装了那些TensorFlow,一般只有两个,另一个是TensorBoard 2.执行命令卸载 sudo apt remove --purge tensorflow-gpu sudo apt remove --purge ...
  • 在Anaconda中安装TensorFlow1.14.0与TensorFlow2.0.0

    万次阅读 多人点赞 2019-10-02 07:30:57
    一、在Anaconda中安装TensorFlow1.14.0 1、Anaconda修改国内镜像源 2、安装TensorFlow 3、测试TensorFlow是否安装成功 4、TensorFlow的简单使用 二、在Windows10上安装TensorFlow2.0.0 1、安装Anaconda 2、...
  • Tensorflow 2.0 !!!! 在tensorflow的学习中,MNIST 是一个入门级的计算机视觉数据集,当我们开始学习编程时,第一件事往往是学习打印Hello World 。在机器学习入门的领域里,我们会用MNIST 数据集来实验各种模型。...
  • Tensorflow】install tensorflow

    万次阅读 2019-12-19 12:05:57
    TensorFlow 安装踩坑日志 Install TensorFlow 安装教程就在TensorFlow的官网上>>>点击查看 按照官方的流程装就好了,这里讲一下几种方式的特点: pip: 安装在全局的python解释器中,简单 Third party: ...
  • Anaconda3安装tensorflow,安装完anaconda后,在prompt中activate tensorflow,进入"python"环境下,"import tensorflow as tf"报错: 但是在(base)模式中“conda list"查看,已经...
  • 前期在是在用tensorflow 这个默认是cpu版本也很好装,但是考虑到我们科研项目后期是要用到深度学习,所以直接把tensorflow包卸载掉了改用tensorflow-gpu(毕竟大工程用gpu跑数据不是一般的快),这个用anaconda 卸载...
  • 测试TensorFlow(GPU)是否安装成功

    万次阅读 2019-08-14 23:21:08
    测试TensorFlow(GPU)是否安装成功的简单例子,及过程详解
  • Windows10安装tensorflow2.0(GPU、CPU) 完整tensorflow2.0教程代码请看github:中文教程tensorflow2_tutorials_chinese(欢迎star) 更多TensorFlow2.0 入门教程请持续关注本博客:...
  • Ubuntu刚安装好Tensorflow以后运行 import tensorflow as tf tf.Session() 报错AttributeError: module 'tensorflow' has no attribute 'Session'。这其实不是安装错误,是因为在新的Tensorflow 2.0版本中已经...
  • 安装过程中提示:Could not find a version that satisfies the requirement tensorflow,很是郁闷啊,最后度娘了一下知道了就是因为Python版本的问题啊TensorFlow版本目前还不支持Python3.7版本。前几天刚升级的3.7...
  • Python:Using TensorFlow backend.

    万次阅读 多人点赞 2019-03-31 15:28:30
    报错信息 用Python做数据处理时,报如下错误: ...WARNING:tensorflow:From E:\ProgramData\Anaconda3\lib\site-packages\tensorflow\python\framework\op_def_library.py:263: colocate_with (from tensorf...
  • 卸载tensorflow2.0 重装1.x版本

    千次阅读 2019-12-25 10:35:58
    由于无法使用placeholder并且解决方法太少,博主是tensorflow小白那种。所以重新降级到1.x好了。。 pip3 list 看到有几个tensorflow相关的: tensorlfow-gpu tensorboard tensorflow-estimator 一个一个卸载 pip3 ...
  • I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_100.dll Traceback (most recent call last): File "G:/pycharm/mycode-ZZQ/...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 228,195
精华内容 91,278
关键字:

tensorflow