Tensorflow安装——环境搭建(2)

本文介绍了如何在Python 3.6环境中搭建Tensorflow 1.13.1的步骤,强调了Tensorflow对Python版本的依赖性,以及不同Python版本对应的不同Tensorflow版本。通过创建虚拟环境、安装Tensorflow并验证安装成功来详细阐述安装过程,还提及了Tensorflow的更新和简单安装方法。

建议用python=3.6装tensorflow=1.13.1(此版本)

注意:(在开始安装之前,我有必要说明以下几点)
1)tensorflow对python的版本有很强的依赖性。
2)tenflow有1.x以及2.x版本。
3)例如:python=3.6安装tensorflow1.x版本;python=3.7安装tensorflow2.x版本。

1. 创建、进入虚拟环境

	进入conda命令提示符窗口
	创建环境:conda create -n your-env-name(你自己设置的环境名) python=版本 (例:3.6)

在这里插入图片描述

	进入环境:activate your-env-name

在这里插入图片描述

2. 安装

	 输入:anaconda search -t conda tensorflow
	 这里(anaconda search -t conda 库名)可以选择自己安装的源
	 
	 输入:anaconda show anaconda/tensorflow(anaconda show 对应版本)
	 也可以输入:anaconda show dhirschfeld/tensorflow安装另外一个源
	 根据最后一行提示输入:conda install --channel https://conda.anaconda
资源下载链接为: https://pan.quark.cn/s/67c535f75d4c “TensorFlow-11.3.1-cp36-none-linux_aarch64.whl”是一个专为Python 3.6版本设计的TensorFlow二进制安装包,适用于Linux系统的AARCH64(ARMv8)架构处理器。这种.whl格式的文件是Python的预编译包,便于用户快速安装,无需手动编译源代码。该文件可能附带了API文档或用户指南,帮助开发者更好地使用TensorFlowTensorFlow是由Google开发的开源机器学习框架,用于构建、训练和部署各种机器学习模型。1.13.1版本是一个稳定版本,提供了丰富的功能,如数据流图执行、优化器、多种层和损失函数,以及模型保存和恢复机制等。它支持Python 3.6,能够利用该版本Python的特性,例如f-strings和asyncio改进。 RKNN(Rockchip Neural Network)是针对Rockchip处理器优化的神经网络推理库。Rockchip 3399Pro是一款基于AARCH64架构的系统级芯片(SoC),常用于智能设备和嵌入式系统。这个TensorFlow版本是为了在Rockchip 3399Pro上运行RKNN模型而特别准备的,开发者可以使用TensorFlow训练模型,并将其转换为RKNN格式,以实现高效的本地推理。 实际使用流程如下:开发者在高性能设备上用TensorFlow训练模型,然后通过工具(如TensorFlow的tf.saved_model或RKNN Toolkit)将其转换为RKNN格式。接着,将转换后的模型和TensorFlow whl包部署到Rockchip 3399Pro设备上,利用其硬件加速器进行推理。 使用该whl包时,需满足以下条件:Python版本为3.6;
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值