TensorFlow实践

本文介绍在mac 10.12.6系统、Python 2.7版本下安装TensorFlow的过程。直接安装和使用homebrew安装均因python社区不支持TLS版本报错,升级pip也失败。后尝试用docker安装,介绍了相关参考资料、报错处理及docker运行镜像的参数含义。
部署运行你感兴趣的模型镜像
  1. 安装 TensorFlow
    系统版本:mac 10.12.6 python版本:2.7
    安装指南:TensorFlow中文社区
    http://www.tensorfly.cn/tfdoc/get_started/os_setup.html#virtualenv_install
    1)尝试了使用直接安装\homebrew,都会提示错误:
 There was a problem confirming the ssl certificate: [SSL: TLSV1_ALERT_PROTOCOL_VERSION] tlsv1 alert protocol version (_ssl.c:590) - skipping

说是因为python社区已不支持TLS version 1.0 & 1.1,可以通过升级pip实现,但是升级pip还会由于这个问题不能成功,后放弃。但是本机是Python2.7不愿因为安装这个升级python版本,毕竟是几个电脑里唯一一个2.x的版本,希望可以保留。
2)使用docker安装
参考:
https://blog.youkuaiyun.com/qq_35624642/article/details/82910641
报错:
在这里插入图片描述
于是试图更改用户名和用户组,查阅各种资料,mac操作用户和用户组跟linux不一样,使用dscl命令https://www.4455q.com/tech/mac-dscl-user-group-create-delete-append.html
查到用户名和用户组id后,使用后:
在这里插入图片描述

查看版本和安装路径
import tensorflow as tf

tf.version

查询tensorflow安装路径为:

tf.path


docker打开容器运行tensorflow镜像:
docker run --name xiaolei-tensortflow -it -p 8888:8888 -v ~/tensorflow:/notebooks/data tensorflow/tensorflow

docker run 运行镜像,
–name 为容器创建别名,
-it 保留命令行运行(之后可以输入命令)
-p 8888:8888 将本地的8888端口 http://localhost:8888/ 映射(对应前面的端口),
-v ~/tensorflow:/notebooks/data 将本地的~/tensorflow文件夹挂载到新建容器的/notebooks/data下(这样可是实现本地文件和docker文件互通)
tensorflow/tensorflow 为指定的镜像,默认标签为latest(即tensorflow/tensorflow:latest)

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

### 关于 TensorFlow 实践教程与资源 对于希望深入理解和应用 TensorFlow 的开发者而言,存在丰富的实践教程和资源可供利用。 #### 官方示例脚本 官方提供了大量的实例代码,在 `tensorflow/` 目录下可以找到对应的 `.py` 文件来直接运行这些例子[^1]。这不仅有助于快速上手,还能作为开发个人项目时的重要参考资料。 #### 学习路径建议 按照特定的学习路线图前进能够更高效地掌握这项技术。推荐依据已有的教程和文档逐步推进学习过程,并积极参与实际操作以巩固所学知识点[^2]。 #### 中文版全面指南 针对中国用户的特殊需求,《TensorFlow 2.0 教程》提供了一套完整的中文教学材料以及配套源码,非常适合初学者入门并逐渐成长为高级用户[^3]。 #### 高级特性探索 为了实现更加复杂的模型训练任务,了解如何调整超参数(如学习率)至关重要。TensorFlow 提供了诸如 AdagradOptimizer 和 AdamOptimizer 这样的工具用于优化算法性能;同时还可以借助 placeholder 来动态设定不同的学习速率[^4]。 #### 应用案例分享 具体的应用场景往往能带来更好的启发作用。比如有一个基于卷积神经网络(CNN)构建的狗狗品种图像识别系统,它展示了从数据预处理到最终部署整个流程的具体实施方法[^5]。 ```python import tensorflow as tf from tensorflow.keras import layers, models # 构建简单的CNN模型结构 model = models.Sequential() model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(150, 150, 3))) model.add(layers.MaxPooling2D((2, 2))) ... ```
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
 
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