...

前言 相对于GPU版本来说，CPU版本的安装就十分简便了。 环境要求及操作步骤 确保pip版本19.0+ 升级 pip 版本（可选，如果pip版本大于19.0， 可忽略此步骤） python -m pip install --upgrade pip 安装tensorflow2.3的CPU版本 pip install tensorflow-cpu==2.3.0 -i https://pypi.douban.com/simple/ 总结 #pip更新是可选的 python -m pip instal

总结下来就是三行命令 在执行下面三行命令之前确保开发机器满足下面的条件 conda install cudatoolkit=10.1 conda install cudnn=7.6.5 pip install tensorflow-gpu==2.3.0 -i https://pypi.douban.com/simple/ 安装环境要求 OS |Ubuntu| 16.04+ | |–|--| |Windows | 7+| macOS| 10.12.6(Sierra)+ Raspbian|9.0+ P

import os from tensorflow.python.client import device_lib os.environ["TF_CPP_MIN_LOG_LEVEL"] = "99" if __name__ == "__main__": rs=device_lib.list_local_devices() print(type(rs)) print(rs) 运行结果 <class 'list'> [name: "/device:CPU:0" devic

获取一个tensor类型变量的shape import tensorflow as tf import numpy a=tf.random.normal([4,28,28,3]) print(type(a)) print(a.shape) print(a[1].shape) print(a[1,2].shape) print(a[1,2,3].shape) print(a[1,2,1,1].shape) 之前报错是因为我把shape写成了shape()，感觉在入门深度学习的路上又像我当初入门C语言的时候，