精华内容
下载资源
问答
  • 根据后面需要安装的Keras2.3.1+TensorFlow2.2.0,经过查找(https://docs.floydhub.com/guides/environments/)知道匹配的应该是Python3.7。 https://www.tensorflow.org/install/source_windows#cpu Anaconda最新版本...

    一、准备工作----检查自己的电脑是否具备安装CUDA的条件
    0.安装显卡驱动
    在命令行中输入nvidia-smi命令,查看支持的cuda版本
    如果有驱动显示以下信息:
    在这里插入图片描述如果无法查看,则说明尚未安装nvidia驱动,点击附加驱动,选择对应版本的驱动即可自动下载。在软件和更新软件中,选择附加驱动选择对应版本进行安装。
    在这里插入图片描述参考ubuntu—CUDA版本与NVIDIA显卡驱动版本对应关系查询

    在这里插入图片描述
    1.验证自己的电脑是否有一个可以支持CUDA的GPU
    在ubuntu的终端中输入命令: lspci | grep -i nvidia ,会显示出你的NVIDIA GPU版本信息,不过不是很详细。
    我的显示为:

    (base) hpc@dell:/usr/local/cuda-10.1/extras/CUPTI/lib64$  lspci | grep -i nvidia
    3b:00.0 3D controller: NVIDIA Corporation GP108GLM [Quadro P520] (rev a1)
    

    2.验证自己的Linux版本是否支持 CUDA(Ubuntu 20.04没问题)
    输入命令:uname -m && cat /etc/*release
    结果显示:

    (base) hpc@dell:/usr/local/cuda-10.1/extras/CUPTI/lib64$ uname -m && cat /etc/*release
    x86_64
    DISTRIB_ID=Ubuntu
    DISTRIB_RELEASE=20.04
    DISTRIB_CODENAME=focal
    DISTRIB_DESCRIPTION="Ubuntu 20.04.1 LTS"
    NAME="Ubuntu"
    VERSION="20.04.1 LTS (Focal Fossa)"
    ID=ubuntu
    ID_LIKE=debian
    PRETTY_NAME="Ubuntu 20.04.1 LTS"
    VERSION_ID="20.04"
    HOME_URL="https://www.ubuntu.com/"
    SUPPORT_URL="https://help.ubuntu.com/"
    BUG_REPORT_URL="https://bugs.launchpad.net/ubuntu/"
    PRIVACY_POLICY_URL="https://www.ubuntu.com/legal/terms-and-policies/privacy-policy"
    VERSION_CODENAME=focal
    UBUNTU_CODENAME=focal
    

    3.验证系统是否安装了gcc
    在终端输入:gcc --version
    若未安装请使用下列命令进行安装:sudo apt-get install build-essential

    安装cuda10.1能否成功的关键在此:由于Ubuntu20.04系统自带的gcc版本为gcc 9.3.0,而cuda10.1不支持gcc-9,命令如下:sudo apt-get install gcc-7 g++-7
    安装完gcc-7,系统中就存在两个版本的gcc,因此要设置默认的gcc,命令如下:
    sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 9
    sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-9 1
    此命令可以通过update-alternatives设置gcc各版本的优先级,优先级最高的为系统默认版本,可以用下述命令显示其优先级:sudo update-alternatives --display gcc
    4.验证系统是否安装了kernel header和 package development
    1).查看正在运行的系统内核版本
    在终端中输入:uname -r
    结果显示:

    (base) hpc@dell:/usr/local/cuda-10.1/extras/CUPTI/lib64$ uname -r
    5.4.0-58-generic
    

    2).在终端中输入: sudo apt-get install linux-headers-$(uname -r)
    可以安装对应kernel版本的kernel header和package development.
    结果显示:

    (base) hpc@dell:/usr/local/cuda-10.1/extras/CUPTI/lib64$ sudo apt-get install linux-headers-$(uname -r)
    [sudo] hpc 的密码: 
    正在读取软件包列表... 完成
    正在分析软件包的依赖关系树       
    正在读取状态信息... 完成       
    linux-headers-5.4.0-58-generic 已经是最新版 (5.4.0-58.64)。
    下列软件包是自动安装的并且现在不需要了:
      cuda-11-1 cuda-command-line-tools-11-1 cuda-compiler-11-1 cuda-cudart-11-1 cuda-cudart-dev-11-1 cuda-cuobjdump-11-1 cuda-cupti-11-1 cuda-cupti-dev-11-1 cuda-demo-suite-11-1 cuda-documentation-11-1
      cuda-driver-dev-11-1 cuda-gdb-11-1 cuda-libraries-11-1 cuda-libraries-dev-11-1 cuda-memcheck-11-1 cuda-nsight-11-1 cuda-nsight-compute-11-1 cuda-nsight-systems-11-1 cuda-nvcc-11-1 cuda-nvdisasm-11-1
      cuda-nvml-dev-11-1 cuda-nvprof-11-1 cuda-nvprune-11-1 cuda-nvrtc-11-1 cuda-nvrtc-dev-11-1 cuda-nvtx-11-1 cuda-nvvp-11-1 cuda-runtime-11-1 cuda-samples-11-1 cuda-sanitizer-11-1 cuda-toolkit-11-1
      cuda-tools-11-1 cuda-visual-tools-11-1 libcublas-11-1 libcublas-dev-11-1 libcufft-11-1 libcufft-dev-11-1 libcurand-11-1 libcurand-dev-11-1 libcusolver-11-1 libcusolver-dev-11-1 libcusparse-11-1
      libcusparse-dev-11-1 libfprint-2-tod1 libnpp-11-1 libnpp-dev-11-1 libnvidia-common-450 libnvjpeg-11-1 libnvjpeg-dev-11-1 nsight-compute-2020.2.0 nsight-systems-2020.3.4
    使用'sudo apt autoremove'来卸载它(它们)。
    升级了 0 个软件包,新安装了 0 个软件包,要卸载 0 个软件包,有 21 个软件包未被升级。
    

    表示系统里已经有了,不用重复安装。
    二、安装CUDA 10.1
         正常情况下,我们进入CUDA官网后,根据提示,选择你所对应的Ubuntu版本所对应的CUDA即可,我起初安装了CUDA11.1,但是在安装后续tensorflow和Keras版本出现了不兼容现象,所以在此处会安装CUDA10.1。
    CUDA Tookkit 10.1 下载地址
    在这里插入图片描述
    Installation Instructions:
    sudo dpkg -i cuda-repo-ubuntu1804-10-1-local-10.1.105-418.39_1.0-1_amd64.deb
    sudo apt-key add /var/cuda-repo-<version>/7fa2af80.pub
    sudo apt-get update
    sudo apt-get install cuda
    :此处的第二条命令中的会在运行完第一条命令中的末尾出现。除此之外,安装过程中,可能会出现需要设置一个八位的密码。出现Rebbot your computer and Verify that the NVIDIA graphics driver can be loaded. 则证明安装成功。需要进行重启。

    添加环境变量:vi ~/.bashrc
    在文件后面加上:export PATH="/usr/local/cuda-11.1/bin:$PATH" ,最后source ~/.bashrc
    在命令行中输入:nvcc -V

    (base) hpc@dell:/usr/local/cuda-10.1/extras/CUPTI/lib64$ nvcc -V
    nvcc: NVIDIA (R) Cuda compiler driver
    Copyright (c) 2005-2019 NVIDIA Corporation
    Built on Wed_Apr_24_19:10:27_PDT_2019
    Cuda compilation tools, release 10.1, V10.1.168
    

    出现这些信息则证明安装成功了。

    在命令行中输入nvidia-smi 会报错:NVIDIA-SMI has failed because it couldn’t communicate with the NVIDIA driver.
    采用这个方法解决了:
    重启电脑,期间一直不停的按F2,进入界面,找到secure.boot ,将后面的enable改成disable,之后按F10保存。

    三、安装cuDNN 10.1
         这里下载cuDNN时需要进行简单的注册才可以下在你所需要的文件。在这里我们选择 cuDNN v7.6.5 (November 5th, 2019), for CUDA 10.1中的cuDNN Library for Linux(x86_64)
    在这里插入图片描述将cudnn-11.1-linux-x64-v8.0.5.39.tgz解压缩后文件中的lib64文件的路径添加到 ~/.bashrc中。

    command:vi ~/.bashrc
    在.bashrc文件的结尾添加:
    export LD_LIBRARY_PATH="/home/hpc/test/cudnn-10.1-linux-x64-v7.6.5.32/cuda/lib64:$LD_LIBRARY_PATH"
    在命令行中输入:source ~/.bashrc

    四、安装Anaconda
         我安装了Anaconda中自带了Python3.8,根据后面需要安装的Keras2.3.1+TensorFlow2.2.0,经过查找(https://docs.floydhub.com/guides/environments/)知道匹配的应该是Python3.7。

    https://www.tensorflow.org/install/source_windows#cpu
    在这里插入图片描述
    Anaconda最新版本下载链接
    在这里插入图片描述

    Anaconda以前版本的下载链接
    在这里插入图片描述在这里我安装了Anaconda(Linux x86 Python3.8的版本),推荐大家安装Anaconda(Linux x86 Python3.7的版本)。
    Anaconda Python 版本对应关系表(附所有版本下载)

    command
    chmod +x ./Anaconda3-2020.11-Linux-x86_64.sh
    ./Anaconda3-2020.11-Linux-x86_64.sh
    按回车,然后在出现Do you accept the license terms?[yes|no]时,输入yes即可。
    选择安装的位置,在命令行中输入:/home/hpc/conda
    Do you wish the installer to initialize Anaconda3 by running conda init?[yes|no],输入yes即可。
    需要重新打开一个窗口(ctrl+alt+t)调用conda 命令。输入: conda即可。
    验证命令:应当确保所有的信息均是指向conda中的软件:

    hpc@dell:~$ which conda
    /home/hpc/conda/bin/conda
    hpc@dell:~$ which python
    /home/hpc/conda/bin/python
    hpc@dell:~$ which ipython
    /home/hpc/conda/bin/ipython
    hpc@dell:~$ which pip
    /home/hpc/conda/bin/pip

    五、安装tensorflow2.2.0
         在命令行中输入:pip install tensorflow-gpu==2.2.0
         至此相当于tensorflow环境搭建完成了,我们可以使用下面的命令来进行验证。
    在这里插入图片描述
    六、安装Kears2.3.1
         Keras是一个高层神经网络API,Keras由纯Python编写而成并基于Tensorflow、Theano以及CNTK后端。Keras 为支持快速实验而生,能够把你的idea迅速转换为结果,如果你有如下需求,请选择Keras:

        简易和快速的原型设计(keras具有高度模块化,极简,和可扩充特性)
        支持CNN和RNN,或二者的结合
        无缝CPU和GPU切换 
    

    (1)Keras的设计原则
      a) 用户友好:Keras是为人类设计而不是为其他设计的API。用户的使用体验始终是我们考虑的首要和中心内容。Keras遵循减少认知困难的最佳实践:Keras提供一致而简洁的API,能够极大减少一般应用下用户的工作量,同时,Keras提供清晰和具有实践意义的bug反馈。
      b)模块性:模型可理解为一个层的序列或者数据的运算图,完全可配置的模块可以用最少的代价自由组合在一起。具体而言,网络层,损失函数,优化器,初始化策略,激活函数,正则化方法都是独立的模块,你可以使用它们来构建自己的模型。
      c)易扩展性:添加新模块超级容易,只需要仿照现有的模块编写新的类或者函数即可,创建新模块的便利性使得Keras更适合于先进的研究工作。
      d)与Python协作:Keras没有单独的模型配置文件类型(作为对比,caffe有),模型由Python代码描述,使其更紧凑和更以Debug,并提供了扩展的便利性。
    (2)具体的安装命令
         在命令行中输入:pip install keras==2.3.1

    七、安装Pycharm最新版
    Pycharm下载链接
         点击download,并选择community版本安装
    在这里插入图片描述在这里插入图片描述command
    解压缩pycharm-community-2020.3.1.tar.gz到当前目录,进入bin目录后,运行 ./pycharm.sh ,会出现Pycharm的图形化界面。

    验证命令:
    在这里插入图片描述设置Python Interpreter的路径,应当保证是Anaconda的python3.8的安装地址。
    在这里插入图片描述
    在这里插入图片描述
    八、安装中所遇到的问题
    1.安装Pycharm桌面快捷方式
         为了方便使用,我们生成了一个桌面快捷方式:vi pycharm.desktop
    https://blog.csdn.net/lpl_lpl_lpl/article/details/80869322?utm_medium=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromBaidu-1.not_use_machine_learn_pai&depth_1-utm_source=distribute.pc_relevant_t0.none-task-blog-BlogCommendFromBaidu-1.not_use_machine_learn_pai
    具体的代码如下:

    Desktop Entry]
    Version=1.0
    Name=pycharm-2018.3.4
    Comment=Python
    Icon=/home/hpc/test/pycharm-community-2020.3.1/bin/pycharm.png
    Exec=sh /home/hpc/test/pycharm-community-2020.3.1/bin/pycharm.sh
    Terminal=false
    StartupNotify=true
    Type=Application
    StartupNotify=true
    Categories=Application;
    Development;
    

    2.安装多版本的CUDA
    多版本CUDA安装教程
         由于我最初安装了CUDA11.1,后来在安装tensorflow和Keras时,发现需要cuda10.1中的库,所以开始安装了多版本的CUDA版本,与CUDA11.1版本安装方式有所不同的是,最后不能写sudo apt-get install cuda,因为在默认情况下,会默认安装最新版本的CUDA,所以应当指明具体的安装版本:sudo apt-get install cuda=10.1.168-1
         其中,查看目前系统所存在的CUDA版本:apt-cache madison cuda
    在这里插入图片描述
    3.手动安装所需要的驱动
    sudo apt install nvidia-driver-440
    4.解决环境变量无法实时更新到Pycharm中
         命令行可以运行时,但Pycharm中仍然无法进行GPU的运算时,提示Could not load dynamic library 'libcudnn.so.7。则需要在Pycharm中手动添加环境变量(run->Edit configuration->Environment variables),将cuDNN和CUDA10.1中的lib64目录加载到环境变量中。

    LD_LIBRARY_PATH=/home/hpc/test/cudnn-10.1-linux-x64-v7.6.5.32/cuda/lib64;PYTHONUNBUFFERED=1
    

    在这里插入图片描述

    展开全文
  • TensorFlow 1.15.0 + Keras 2.3.1 on Python 3.6安装教程TensorFlow 1.15.0 + Keras 2.3.1 on Python 3.6安装教程1 下载Anaconda2 创建虚拟环境2.1 进入命令行2.2 创建虚拟环境2.3 查看虚拟环境3 安装tensorflow3.1 ...

    TensorFlow 1.15.0 + Keras 2.3.1 on Python 3.6安装教程

    近期由于学习需要多次配置tensorflow相关环境,参考了多篇文章,多次踩坑之后总结的配置方法,记录一下配置过程,方便大家使用。
    本文包括虚拟环境配置tensorflow和keras,以及numpy、pandas等常用python库的快速安装。

    1 下载Anaconda

    anaconda是个工具包,安装之后自带Jupyer Notebok、Spyder等工具,可以用来安装python包(pandas,numpy,matplotlib等)

    照着教程安装和配置即可,文中6.增加镜像之后也需要,一同完成:
    anaconda的安装与环境配置

    2 创建虚拟环境

    2.1 进入命令行

    win+R输入cmd进入命令行模式
    进入命令行

    2.2 创建虚拟环境

    创建环境tfenv并安装python3.6(tf1.15对应python3.6)

    conda create --name tfenv python=3.6
    

    创建虚拟环境
    Proceed([y]/n)?
    ===> 输入y并回车

    2.3 查看虚拟环境

    conda info --envs
    

    虚拟环境
    表示成功创建虚拟环境tfenv

    3 安装tensorflow

    显卡若是NVIDIA系列,则可下载GPU版,否则下载CPU版。

    3.1 tensorflow CPU版

    Anaconda下载部分已经增加了镜像,这部分不再赘述。

    3.1.1 激活tfenv虚拟环境

    activate tfenv
    

    激活虚拟环境
    (tfenv)表示进入虚拟环境

    3.1.2 安装tensorflow_cpu

    pip install tensorflow==1.15.0
    

    等于后面为要安装的tensorflow版本号
    安装tensorflow_cpu
    如果增加了镜像后下载还是很慢的话,可以用

    pip install tensorflow==1.15.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
    

    3.2 tensorflow GPU版

    tensorflow GPU版需要下载对应版本的CUDA和cudnn
    版本对应情况可见:版本对应

    3.2.1 查看CUDA版本

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    我的电脑可以下载11.1版本的CUDA,可以向下兼容10.0版本。我按照11.1的版本对应下载后,会报错,所以我只安装了10.0及其相应版本。

    3.2.2 下载CUDA

    CUDA10.0下载 选择local
    下载CUDA

    3.3.3 安装CUDA

    可以默认地址,也可以修改
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    在这里插入图片描述
    可以默认安装位置,也可以修改(建议在其他盘下新建同样的文件夹名NVIDAI GPU Computing Toolkit\CUDA\v10.0和NVIDAI Corporation\CUDA Samples\v10.0进行存储)要记住安装位置
    在这里插入图片描述

    在这里插入图片描述
    完成安装,重启。
    验证是否安装成功:
    命令行输入:

    nvcc -V
    

    在这里插入图片描述
    即为安装成功。

    3.3.4 安装cudnn

    下载cudnn需要注册NVIDIA账户
    安装cudnn
    在这里插入图片描述
    下载完成后,得到
    在这里插入图片描述
    解压后得到几个文件
    在这里插入图片描述
    将cudnn的几个文件夹内的文件依次复制到CUDA安装的相应文件夹中,对应如图:
    在这里插入图片描述
    添加环境变量:
    D:\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64

    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述

    3.3.5 安装tensorflow_gpu

    激活tfenv虚拟环境

    activate tfenv
    

    激活虚拟环境
    (tfenv)表示进入虚拟环境

    安装TensorFlow-GPU-1.15.0
    命令行输入:

    pip install tensorflow-gpu==1.15.0
    

    等于后面为要安装的tensorflow版本号
    在这里插入图片描述
    如果增加了镜像后下载还是很慢的话,可以用

    pip install tensorflow-gpu==1.15.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
    

    3.3.6 测试gpu

    import tensorflow as tf
    a=tf.test.is_built_with_cuda()
    b=tf.test.is_gpu_available(cuda_only=False,min_cuda_compute_capability=None)
    print(a)
    print(b)
    

    都为True,则安装成功。

    3.3 测试tensorflow

    测试安装是否成功

    import tensorflow as tf
    hello = tf.constant('Hello, TensorFlow!')
    sess = tf.Session()
    print(sess.run(hello))
    

    输出:b'Hello, TensorFlow!'
    测试cpu

    4 安装keras库

    根据相应的版本对应,应下载2.3.1的keras
    版本对应

    pip install keras==2.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
    

    5 安装其他python库

    由于新建的虚拟环境中没有一些python库,需要安装其他python库如numpy、pandas、matplotlib、sklearn等,依旧可以在命令行中相应虚拟环境中使用:

    pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
    pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
    pip install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
    

    下载速度更快。

    展开全文
  • 树莓派4B安装tensorflow2.1和keras2.3.1 最近入手了一块树莓派4B,运行内存为8GB(反正是老师出钱,要买就买顶配)。准备在树莓派上运行一下神经网络程序。此神经网络程序是基于tensorflow和keras。由于在电脑上安装...

    树莓派4B安装tensorflow2.1和keras2.3.1

    最近入手了一块树莓派4B,运行内存为8GB(反正是老师出钱,要买就买顶配)。准备在树莓派上运行一下神经网络程序。此神经网络程序是基于tensorflow和keras。由于在电脑上安装的tensorflow版本为tensorflow2.1,相对应的keras为2.3.1。具体的tensorflow和keras对应关系如点击此处所示。但是说实话这个网站更新的很慢,没有看到最新的python3.9对应的版本,不过影响不大。
    那让我们来康康此次的流程:先进行镜像换源,然后下载tensorflow2.1,安装tensorflow2.1之后更新下numpy,最后添加keras即可。

    1.镜像换源

    镜像换源这个方法网上已经有很多了,这里直接引用其他博主的文章吧。但是在此之前的前提是安装了树莓派raspbian环境。python选用的是系统自带的python3.7 ,这个博主就写的很好,主要是改变系统源和pip源,建议改变到清华的源————镜像换源
    当完成了镜像换源之后,我们再进入下一步。

    2.下载tensorflow2.1

    之前换源目的就是为了加速树莓派下载tensorflow的速度。下载地址下载时候可以能有点慢,经常会中断失效。这个现象跟网络连接有很大关系,多配置几次就可以了。当下载好了时候会自动保存在downloads文件夹中。

    3.安装tensorflow2.1

    安装tensorflow2.1之前,最好先升级一下软件包。至于网上提到的虚拟环境,我觉得还是看个人需求吧。如果需要把python3.5和python3.7两者混着用,或者要用到更多的tensorflow环境建议配置虚拟环境,方便管理。
    下载完成后输入:
    1.sudo apt update #更新软件包
    2.sudo apt install libatlas-base-dev #还是更新软件包,虽然我不知道具体意义
    3.sudo apt-get install libhdf5-dev #继续更新,我还是不知道什么意思
    4.sudo pip3 uninstall h5py #卸载原h5py
    5.sudo pip3 install h5py== 2.9.0 #重新安装h5py
    6.sudo pip3 uninstall numpy
    7.sudo pip3 install numpy== 1.21.1
    8.sudo pip3 uninstall scripy
    9.sudo pip3 install scripy== 1.7.0
    10.cd /home/pi/Downloads #切换目录
    11.sudo pip3 install tensorflow-2.1.0-cp37-none-linux_armv7l.whl
    12.sudo pip3 install keras==2.3.1
    照着这12个指令下来问题应该不大,tensorflow2.X版本都是自带keras,所以不需要额外下载keras包,当某一步骤出现错误时候,重新运行,直到此步骤顺利通过。

    4测试

    测试的话,网上有很多方法,但是简单来说就是在树莓派终端里面输入:python3,切换至python3界面,然后输入两行:
    import tensorflow as tf
    import keras
    假如没有报错,安装完成。
    在这里插入图片描述

    5总结

    树莓派4B安装tensorflow和keras环境确实不容易,过程中难免会出现各种乱七八糟的错误,不过这些错误大多是由于numpy引起,所以我直接在文章中安装了指定的numpy版本。最后的最后,给大家看个美女:
    快去
    快去抖音关注她!抖音名:杀猪饲料
    呜呜呜太好看了!

    展开全文
  • tensorflowkeras版本对应关系

    万次阅读 多人点赞 2020-06-13 11:50:11
    Tensorflow版本 ...Keras 2.3.1 Tensorflow 1.14 Keras 2.2.5 Tensorflow 1.13 Tensorflow 1.12 Tensorflow 1.11 Keras 2.2.4 Tensorflow 1.10 Tensorflow 1.9 Keras 2.2.0 Tensorflow 1.8 Tensorflow...
    Tensorflow版本 Keras版本
    Tensorflow 2.1
    Tensorflow 2.0
    Tensorflow 1.15
    Keras 2.3.1
    Tensorflow 1.14 Keras 2.2.5
    Tensorflow 1.13
    Tensorflow 1.12
    Tensorflow 1.11
    Keras 2.2.4
    Tensorflow 1.10
    Tensorflow 1.9
    Keras 2.2.0
    Tensorflow 1.8
    Tensorflow 1.7
    Tensorflow 1.5
    Keras 2.1.6
    Tensorflow 1.4 Keras 2.0.8
    Tensorflow 1.3
    Tensorflow 1.2
    Tensorflow 1.1
    Tensorflow 1.0
    Keras 2.0.6
    Tensorflow 0.12 Keras 1.2.2

    参考链接

    展开全文
  • Tensorflow2.0】Win10下快速安装Tensorflow2.0+keras2.3.1框架 踩了很多雷,适用于有些基础的读者查阅。现将整体成功的步骤分享如下: 1.安装 Anaconda Anaconda 的官方下载地址: ...博主使用的是旧版本:Anaconda3-...
  • ##使用镜像源下载包!!!! pip install -U tensorflow==2.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
  • 主要因为kears-bert直接装装的是0.86 还会自动把kears更新到2.4.3导致和tensorflow不匹配 如果更新tensorflow又会导致gpu版本不匹配 更新gpu又会导致和服务器装的cuda不匹配 但如果回去装旧的keras-bert有的函数又还...
  • 都是亲测,绝对可靠 一.安装Anacanda (Python3.6) 清华大学镜像安装Anacanda (Python3.6) 一直Next (Just me) https://www.cnblogs.com/wenyule/articles/9931833.html ...二,下载TensorFlow https...
  • 前言: 我可太开心了!!! 终终终于配好了深度学习环境! 感谢环境配置过程中其它博主的经验...win10+cuda10.0+cudnn7.4.1+Anaconda3+tensorflow2.0+keras2.3.1+pycharm/notebook/vscode 配置结果:   &nb
  • 环境:win10 + python3.7 + cuda10.1.243 + cudnn 7.6.5 + TensorFlow(CPU+GPU) 2.1.0 + keras2.3.1 用conda update --all更新之后,关于使用anaconda出现CondaHTTPError换源仍无法解决问题:  经过寻找发现应该...
  • TensorflowKeras 版本对应关系

    千次阅读 2020-08-21 14:31:10
    TensorFlow 2.2.0 + Keras 2.3.1 on Python 3.7. floydhub/tensorflow TensorFlow-2.2 TensorFlow 2.1 tensorflow-2.1 TensorFlow 2.1.0 + Keras 2.3.1 on Python 3.6. floydhub/tensorflow ...
  • Framework Env name (--env parameter) Description Docker Image ... TensorFlow 2.1.0 + Keras 2.3.1 on Python 3.6. floydhub/tensorflow TensorFlow-2.1 TensorFlow 2.0 tensorfl
  • TensorFlowKeras版本对应

    千次阅读 2020-07-30 12:15:34
    Framework Env name (--env parameter) Description Docker Image ... TensorFlow 2.2.0 + Keras 2.3.1 on Python 3.7. floydhub/tensorflow TensorFlow-2.2 TensorFlow 2.1 tensorfl
  • Framework Env name (--env parameter) Description Docker Image ... TensorFlow 2.2.0 + Keras 2.3.1 on Python 3.7. floydhub/tensorflow TensorFlow-2.2 TensorFlow 2.1 tensorfl
  • TensorFlow 2.2.0 + Keras 2.3.1 on Python 3.7. TensorFlow 2.1 TensorFlow 2.1.0 + Keras 2.3.1 on Python 3.6. TensorFlow 2.0 TensorFlow 2.0.0 + Keras 2.3.1 on Python 3.6. TensorFlow 1.15 ...
  • keras tensorflow python 比较好的版本搭配推荐 tensorflow keras python 2.1.0 2.3.1 3.6 2.0.0 2.3.1 3.6 1.15.0 2.3.1 3.6 1.14.0 2.2.5 3.6 1.13.0 2.2.4 3.6 1.12.0 2.2.4 3.6
  • kerastensorflow的版本对应关系 kerastensorflow的版本对应关系,可参考: @https://docs.floydhub.com/guides/environments/ Framework Env name (--env parameter) Description Docker Image ...
  • 到连接里查看: https://docs.floydhub.com/guides/environments/
  • 在使用Tensorflow时,导入Keras报错,错误原因如下: ImportError: Keras requires ...这里我们只需要卸载当前Keras,并根据Tensorflow的版本通过pip下载安装对应版本的Keras。 pip install keras==2.3.1 安装
  • TensorFlowkeras对应版本

    千次阅读 2020-07-10 21:31:12
    Framework Env name (--env parameter) Description Docker Image ... TensorFlow 2.2.0 + Keras 2.3.1 on Python 3.7. floydhub/tensorflow TensorFlow-2.2 TensorFlow 2.1 tensorfl
  • https://docs.floydhub.com/guides/environments/
  • 在使用Keras包时经常因为版本不匹配报错,下面是TensorflowKeras各版本的匹配关系: Python版本 Keras版本 Tensorflow版本 Tensorflow版本下载 Keras版本下载 Python3.7 Keras 2.3.1 Tensorflow 2.2.0 ...
  • tensorflow和pytorch版本兼容 ... NVIDIA GPU驱动: Driver Version: 440.44 conda install tensorflow-gpu=1.15.0 ...tensorflowkeras版本对应 转载自https://blog.csdn.net/Finks_Chen/article...
  • Below is the list of Deep Learning environments supported by FloydHub. Any of these can be specified in the floyd run command using the --env ...If no --env is provided, it uses the tensorflow-1....
  • 在写代码的时候,由于各种原因,tensforlow要换个版本,keras要换个,最后导致版本不对应,因此造成了很多麻烦。 这里mark一下对应关系: List of Available Environments P.S. 这个网站还有pytorch和fastai,caffe...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 445
精华内容 178
关键字:

keras2.3.1对应tensorflow