Tensorflow_lite v 2.14.0 windows_xp 编译支持

原创 已于 2024-04-24 10:50:15 修改 · 496 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#tensorflow #windows #人工智能

于 2024-04-22 12:32:28 首次发布

准备工作

编译器：Visual Studio 2017
源码下载： git clone https://github.com/tensorflow/tensorflow.git
构建工具：cmake

tips: windows xp 最后的编译器支持为 visual studio 2017

visual studio 2017 需要 组件 ”对C++ 的Windows XP 支持“， 如果已有请忽略

  1. 打开 Visual Studio Installer
  2. 选择 visual studio 2017，选择修改
    在这里插入图片描述
  3. 找到工作负荷-> 使用C++的桌面开发-> 对C++ 的windows Xp 支持
    在这里插入图片描述
    安装完成，开始编译工作

开始编译

cd tensorflow目录
# 将版本号修改为 2.14.0
git reset --hard v2.14.0
最低0.47元/天 解锁文章
yc_Blog
关注
如何实现Visual Studio C++调用TensorFlow代码
ShadowN1ght的博客
09-11 1万+
对机器学习感兴趣的VS老司机们，在Windows上搭建好TensorFlow开发环境后，应该会迫不及待地想要编写一个C++程序调用TensorFlow代码。只要能调用成功，你就可以将机器学习融入到你的C++程序，给你的程序装上人工智能的翅膀！想想都很兴奋！ (Win搭建TensorFlow环境的操作步骤可参考我的另一篇博文：http://blog.csdn.net/shadown1ght/art
Windows下Visual Studio安装部署Tensorflow开始写一个简单的小网络
TataDou的博客
11-29 2202
在“C/C++”选项卡中，将“预处理器”设置为“_CRT_SECURE_NO_WARNINGS”，以避免由于使用不安全的函数而导致的编译器警告。在“链接器”选项卡中，将“附加依赖项”设置为“tensorflow.lib”。这将告诉链接器链接TensorFlow C库。在“链接器”选项卡中，在右侧面板的“常规”下拉菜单中，选择“附加库目录”，添加TensorFlow C库的库文件路径。在“VC++目录”选项卡中，将TensorFlow C库的头文件路径添加到“包含目录”列表中。这里我下的是cpu版，
手把手教你实现Tensorflow Lite动态库编译（适用于Windows端模型部署）
lxiao428的博客
10-19 4824
TensorFlow Lite 是一种用于设备端推断的开源深度学习框架。 按照官方的说法，TensorFlow Lite 是一组工具，可帮助开发者在移动设备、嵌入式设备和 loT 设备上运行模型，以便实现设备端机器学习。 所以在设计之初，Tensorflow Lite没有打算在Windows端进行部署的，但是最近它提供了CMakeLists.txt编译脚本，因而可以将其编译为动态库以在Windows端调用。 Tensorflow Lite主要特性 （1）通过解决以下 5 项约束条件，针对设备端机器学习进行了
从零开始在Windows上构建Android版的Tensorflow Lite
schoene的博客
01-25 1405
在Windows上用CMake和NDK来构建Android版本的Tensorflow Lite。对构建中遇到的常见问题进行了分析和解决。
Win10系统编译Tensorflow Lite 2.3为动态链接库tensorflowlite_c.dll
huachao1001的专栏
01-03 3405
Tensorflow Lite官方在移动端提供了官方编译好的库，我们直接拿来用就好。Tensorflow 在Linux平台与Mac平台下编译也非常轻松，基本不会遇到太多问题（据说Google内部只用Linux与Mac）。但是在Windows下编译真是一波三折，好在已经编译成功了，记录一下Windows 10下Tensorflow Lite编译过程，帮助一下跟我一样被Tensorflow折腾的不行的人。
Windows平台使用Bazel编译TensorFlow详细流程
P_Leung的技术博客
07-13 2794
环境需求 VS2019 bazel Android Studio 环境配置 bazel --config=opt --define=no_tensorflow_py_deps=true --local_ram_resources=4096 build //tensorflow/tools/pip_package:build_pip_package
TensorFlow Lite入门
u010899985的博客
06-12 1807
Android和iOS设备上，TensorFlow Lite都提供了C ++ API的支持，并且在Android平台还额外提供了Java API的支持。这样一来，开发者就能非常方便地使用这些TensorFlow Lite API进行设计和开发。不过，默认情况下TensorFlow Lite使用的是CPU来进行解算，如果你需要使用Android 8.1推出的硬件加速API，则需要确保它运行在受支持的...
tensorflow_estimator-2.14.0-py2.py3-none-any.whl
03-23
TensorFlow是一个开放源代码的软件库，用于进行高性能数值计算。通过其灵活的架构，它允许用户轻松地部署计算工作在各种...此外，TensorFlow支持自动微分，这对于实现复杂的机器学习算法（如深度学习网络）至关重要。
tensorflow_macos-2.14.0-cp311-cp311-macosx_12_0_arm64.whl
03-25
TensorFlow是一个开放源代码的软件库，用于进行高性能数值计算。通过其灵活的架构，它允许用户轻松地部署计算工作在各种...此外，TensorFlow支持自动微分，这对于实现复杂的机器学习算法（如深度学习网络）至关重要。
tensorflow_macos-2.14.0-cp310-cp310-macosx_12_0_arm64.whl
03-25
TensorFlow是一个开放源代码的软件库，用于进行高性能数值计算。通过其灵活的架构，它允许用户轻松地部署计算工作在各种...此外，TensorFlow支持自动微分，这对于实现复杂的机器学习算法（如深度学习网络）至关重要。
tensorflow_macos-2.14.0-cp39-cp39-macosx_12_0_arm64.whl
03-25
TensorFlow是一个开放源代码的软件库，用于进行高性能数值计算。通过其灵活的架构，它允许用户轻松地部署计算工作在各种...此外，TensorFlow支持自动微分，这对于实现复杂的机器学习算法（如深度学习网络）至关重要。
windows 构建 tensorflow lite 库文件(lib, dll)
Lj2_jOker的博客
05-06 2398
构建工具 tensorflow https://github.com/tensorflow/tensorflow/tree/r2.6 Visual Studio 2019 自行在网上下载 msys2 https://www.msys2.org/ bazel 3.7.2 https://github.com/bazelbuild/bazel/releases?q=3.7.2&expanded=true python 3.7.6 https://www.python.org/downloads/rel
abseil absl下载 安装 合并成一个.a文件
06-26
abseil absl下载 安装 合并成一个.a文件
在Windows下编译Bazel和使用Bazel编译tensorflow（使用TensorFlow Lite将ssd_mobilenet移植至安卓客户端）
qq_41627642的博客
08-05 2622
背景 有时需要最新版的tensorflow安装文件国内镜像网站又还没提供,或者需要一个针对你自己的机器环境的版本，这时知道怎么自己从源码编译出tensorflow的whl安装文件就必须的了，要自己编译首先就得了解下Bazel这工具，谷歌废弃使用CMake改用并力推自己的Bazel看来这是大势所趋，花了几天时间琢磨了下Bazel的编译和使用Bazel编译tensorflow，一般人工作都没同时配有几台机器，Windows日常工作又得时时开着，至于自己花钱攒机器的就不要说了，为了使用Linux环境弄个VM在硬件
Android studio编译TensorFlow lite工程
zack的博客
06-13 1904
1.系统环境window10/tensorflow-gpu  1.8.0/Python 3.6.4/cuda 9.0/cudnn-9.0-windows10-x64-v7/Android studio 3.1.22.源码下载从Github上下载最新的TensorFlow源码，下载路径：https://github.com/tensorflow/tensorflow.git3.TensorFlow ...
嵌入式深度学习框架之Tensorflow(四)Tensorflow-Lite运行时环境搭建
热门推荐
sanallen的专栏
04-10 1万+
参考文档 http://www.cnblogs.com/jojodru/p/7744630.html 在Ubuntu 16.04上使用bazel交叉编译tensorflow https://docs.bazel.build/versions/master/install-ubuntu.html Ubuntu安装Bazel文档 https://github.com/bazelbuild/baze...
（13-3）TensorFlow Lite移动端与嵌入式轻量级开发实战：TensorFlow Lite转换器实战
码农三叔
07-02 1329
通过使用TensorFlow Lite转换器，可以根据输入的TensorFlow模型生成TensorFlow Lite 模型。TensorFlow Lite 模型文件是一种优化的 FlatBuffer 格式，以“.tflite”为文件扩展名。
Tensorflow Lite使用介绍
jiugeshao的专栏
04-14 3561
接着前面的博客系列讲，这里来介绍下Tensorflow LIte。 TensorFlow Litehttps://tensorflow.google.cn/lite/guide?hl=zh-cn 博主的环境简单介绍如下： python 3.6.5 tensorflow-gpu 2.6.2 cuda version: 11.2 cudnn version: cudnn-11.2-linux-x64-v8.1.1.33 主要参考官方文档资料，此文档大部分是有中文版的，更方便去掌握理解，博主这边具体
Win10 Vs2017 环境下 C ++调用tensorflow模型
liguoyin的博客
09-18 1万+
Ps ： 运行环境 win10、vs2017、python3.5.2、tensorflow1.3            原理：在c++ 代码中创建线程，调用python的脚本文件 主要步骤： ① 安装python3.5（目前windows下tensorflow只支持3.5版本的） ② 打开cmd控制窗口，直接输入pip install tensorflow 安装tensorf
tensorflow_addons对应版本
最新发布
03-22
<think>好的，我需要帮助用户找到与特定TensorFlow版本兼容的tensorflow_addons版本。首先，我应该回忆一下tensorflow_addons的版本兼容性通常是如何管理的。我记得tensorflow_addons是一个社区维护的插件库，为TensorFlow提供额外的功能，但它的版本需要与TensorFlow的主版本对应，尤其是大版本号需要匹配。例如，TensorFlow 2.x通常需要对应版本的tensorflow_addons。 接下来，我需要确认用户的问题是否需要具体的版本对应列表。用户可能已经安装了某个TensorFlow版本，或者计划升级，需要知道哪些tensorflow_addons版本兼容。这时候，我应该建议用户查阅官方文档或资源，因为版本兼容性可能会随着时间变化，官方信息最可靠。 然后，我应该考虑用户可能遇到的常见问题。例如，用户可能安装了不兼容的版本组合，导致导入错误。这时候，正确的安装命令和版本匹配就很重要。另外，用户可能不知道如何通过pip安装特定版本，所以提供具体的pip命令示例会有帮助。 还需要注意，tensorflow_addons的版本号可能与TensorFlow的版本号不完全一致，但会有对应关系。例如，TensorFlow 2.8可能对应tensorflow_addons 0.16.1。我需要确保用户知道如何查找这些对应关系，可能需要引导他们到GitHub的发布页面或官方文档。 此外，用户可能对依赖管理不太熟悉，特别是如果他们在虚拟环境中工作，或者使用不同的Python版本。这时候，提醒用户使用虚拟环境，并确保pip已更新可能会有帮助。 最后，我应该总结步骤，让用户能够逐步操作：确定TensorFlow版本，查看兼容表，使用pip安装指定版本。同时，提醒他们遇到问题时的解决方法，比如检查错误信息或查阅官方资源。 现在，我需要将这些思考整理成结构化的回答，确保每个步骤清晰，并提供示例和引用。同时，生成相关问题，帮助用户进一步探索可能的需求，比如版本冲突解决或安装失败处理。</think>以下是查找TensorFlow与tensorflow_addons版本兼容性的具体步骤： 1. **确定TensorFlow主版本** - 查看已安装的TensorFlow版本：`pip show tensorflow` - 注意主版本号格式为$X.Y$（如2.10、2.12） 2. **访问官方兼容性表** 访问[tensorflow_addons GitHub仓库](https://github.com/tensorflow/addons#tensorflow-addons)的README，查看"Version Compatibility"表格[^1] 3. **典型版本对应关系示例** ```markdown TensorFlow | tensorflow_addons ------------------------------- 2.16.1 | 0.24.0 2.15.0 | 0.23.0 2.14.0 | 0.22.0 2.13.0 | 0.21.0 2.12.0 | 0.20.0 ``` 4. **安装指定版本** ```bash pip install tensorflow==2.12.0 pip install tensorflow-addons==0.20.0 ``` 5. **验证安装** ```python import tensorflow as tf import tensorflow_addons as tfa print(tf.__version__, tfa.__version__) # 应输出匹配的版本号 ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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