tensorflow实践

最新推荐文章于 2024-08-28 07:32:08 发布
最新推荐文章于 2024-08-28 07:32:08 发布
阅读量392 收藏
点赞数
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。
本文链接：https://blog.youkuaiyun.com/wzl_python/article/details/89739993
版权
本文详细介绍了如何安装TensorFlow的CPU和GPU版本，包括Anaconda的下载与安装，TensorFlow-CPU版本的安装，以及TensorFlow-GPU版本的安装，涉及CUDA和cuDNN的匹配问题。此外，还提供了Jupyter Notebook的安装步骤，以及验证安装成功的测试代码。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

tensorflow的安装

1. Anaconda的安装

1.1 从官网下载Anaconda

https://www.anaconda.com/distribution/#download-section
在这里插入图片描述

1.2 软件的安装

在这里我们根据自己电脑系统选择32位还是64位的安装包，然后是根据自己python版本的需要，选择3.7还是2.7版本
在这里插入图片描述
这里要注意，一定要记得把上图中两个方框都要选中，尤其是第一个，以免后续还需进行环境配置！

2.TensorFlow-CPU版本的安装

在这里插入图片描述
打开上图箭头所指的
在这里插入图片描述
在这里你还可以以下命令创建一个独立的环境来安装tensorflow，

conda create --name tensorflow python=3.6

在这里我们创建了一个name为tensorflow、python版本为3.6的环境
在这里插入图片描述
接下来需要使用以下命令来激活我们创建的环境

conda activate tensorflow

在这里有两种方式来进行安装tensorflow
一种是使用pip

pip install --upgrade --ignore-installed tensorflow==1.13.0

后面 == 代表着tensorflow版本号，目前最新的稳定版本号为1.13.0
另一种是使用conda指令

conda install tensorflow ==1.13.0

3. tensorflow-gpu 版本的安装

在这里我的笔记本的配置为i5-8300h+1060ti

3.2 CUDA与cudnn的安装

在这里一定要主要cuda和cuDNN版本间对应关系
cuda8.0对应的cuDNN必须是6.0版的
cuda9.0对应的cuDNN必须是7.0版的
下面是tensorflow官网tensorflow-GPU版本与cuda版本间的对用关系，切记这个很重要
在这里插入图片描述
所以在安装gpu版本前，一定要查清楚自己显卡支持的cuDNN 和CUDA 版本。
在[https://developer.nvidia.com/cuda-downloads]下载对应的版本，一般这里不好找历史版本，并且下载比较麻烦，建议直接百度找对应的安装包。
首先安装CUDA，建议不要修改安装路径
在这里插入图片描述
解压下载的cuda，得到以下三个文件夹
在这里插入图片描述
将解压得到的三个文件夹参考提下图片路径，复制到自己电脑对应的路径下
在这里插入图片描述

3.2 tensorflow-gpu版本的安装

在这里我们使用conda命令来安装
conda install tensorflow-gpu ==1.13.0

3.3 Jupyter Notebook的安装

先打开箭头所指的软件
在这里插入图片描述
在这里插入图片描述
按照箭头所指示的，安装Jupyter Notebook
安装成功后能看到如下的图标
在这里插入图片描述

4. 验证是否安装成功

在这里插入图片描述
输入python并回车，出现以下
在这里插入图片描述
导入tensorflow，并输入以下代码
在这里插入图片描述
如果出现以下结果，则证明安装成功
在这里插入图片描述
如果不行的话卸载软件重新进行安装

5. 安装总结

5.1 CPU版本的安装比较简单

5.2 GPU版本的安装一定要主要自己显卡所支持的cudn和cuDNN的版本还有与tensorflow版本间的对应关系

成仙之道
关注
TensorFlow的实战（详细代码）
2301_81887304的博客
12-27 3584
TensorFlow中的计算可表示为一个有向图(计算图)，其中每个运算操作为一个节点，每个节点可有任意多个输入和输出；在计算图的边中流动(flow)的数据被称为张量(tensor)，tensor在计算图中flow，故命名为TensorFlow；Session是用户使用TensorFlow的交互式接口，可通过Session的Extend方法添加新的节点和边；反复执行计算图时一般的tensor不会被持续保留，Variable中的数据tensor会被保存。自编码器，即可以使用自身的高阶特征编码自己。
面向机器智能的 TensorFlow 实践代码实现，基于tensorflow1.4版本.zip
03-28
三、TensorFlow实践 3.1 模型构建：使用`tf.keras.Sequential`或`tf.layers` API构建模型，如多层感知机、卷积网络或循环网络。 3.2 损失函数与优化器：选择合适的损失函数（如交叉熵、均方误差）和优化器（如梯度...
数十种TensorFlow实现案例汇集：代码+笔记
热门推荐
Jingle的专栏
10-18 1万+
2016-10-17 13:08:31    开源    0 0 0 这是使用 TensorFlow 实现流行的机器学习算法的教程汇集。本汇集的目标是让读者可以轻松通过案例深入 TensorFlow。 这些案例适合那些想要清晰简明的 TensorFlow 实现案例的初学者。本教程还包含了笔记和带有注解的代码。 项目地址：https://github.com/
TensorFlow (一) 从入门到实践
My Honor！ My World！
07-27 5045
一、TnesorFlow 计算模型————计算图1、 计算图概念1.1 Tensor Tensor就是张量, 可以简单理解为多维数组，表明了数据结构 1.2 FlowFlow 表达了张量之间通过计算相互转化的过程，体现了数据模型 1.3 数据流图基础数据流图是每个 TensorFlow 程序的核心，用于定义计算结构每一个节点都是一个运算，每一条边代表了计算之间的依赖关系 上图展示了可完成基本加法运
TensorFlow实践
super_chenly的博客
03-22 530
安装 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 c...
TensorFlow | TensorFlow实践（一）
尘世冰封的专栏
09-03 460
大家好我是博主小兵，也可以叫我Michael，yes！the impetuous MJis me（why this word use English , The 优快云 exist bug！！！！！） 博主github：https://github.com/MichaelBeechan 博主优快云：https://blog.youkuaiyun.com/u011344545 硕士马上研三了，but最烦...
深度学习应用开发-TensorFlow实践教学大纲.pdf
06-16
【深度学习应用开发-TensorFlow实践教学大纲】 本教学大纲旨在提供一个全面的深度学习实践教程，特别是聚焦于TensorFlow框架的应用。课程设计注重实践，避免过于复杂的理论讲解，适合那些有一定编程基础，对人工...
深度学习应用开发-TensorFlow实践 – mnist手写数字识别1
01-07
import tensorflow as tf import tensorflow.examples.tutorials.mnist.input_data as input_data mnist = input_data.read_data_sets(data/,one_hot=True) #next_batch()实现方法会对内部数据先进行洗牌操作！ ...
TensorFlow实践与智能系统_深度学习_tensorflow_tensorflow书_
10-03
《TensorFlow实践与智能系统》是一本专注于深度学习和TensorFlow技术的书籍，非常适合初学者。这本书深入浅出地介绍了TensorFlow这一强大的开源机器学习库，旨在帮助读者理解并掌握构建智能系统的基石——深度学习。...
基于TensorFlow实践的配套源码
01-11
基于TensorFlow实践的配套源码，每一章的源代码都有，可以直接运行。
Tensorflow入门实践
Findingxu的博客
06-28 506
一、tensorflow的处理结构： 1.形象理解：（来自莫烦） Tensorsflow是采用data flow graphs（数据流图）来计算，首先我们得创建一个数据流图，然后将我们的数据以张量（tensor）的形式放到图中计算，''tensor'' ''flow'' 就是这么来的。可以看到上图就是一个完整的神经网络的图，图中节点代表数学操作，线代表数据tensor的流动...
TensorFlow实践（1）——开启一个新世界
Friedrich Yuan的博客
11-08 2903
TensorFlow实践（1）——开启一个新世界（一）简 介（二）特 点（三）使用展示（四）TensorFlow的安装（五）总 结 （一）简 介 近年来，伴随着深度学习的发展，各种机器学习框架横空出世，具有代表性的有Caffe、MXNet、Theano、Torch等，它们有的计算速度快，有的可移植性好，有的内存占用少，有的易于上手，呈现出百家争鸣的局面。然而，在Google推出Tensor...
tensorflow实战例子
u014168855的博客
05-15 4385
tensorflow实战1.简单线性回归（1）数据准备（2）准备好placeholder（3）初始化参数/权重（4）计算预测结果（5）计算损失函数值（6）初始化optimizer（7）指定迭代次数，并在session里执行graph 1.简单线性回归 （1）数据准备 实际的数据大家可以通过pandas等package读入，也可以使用自带的Boston House Price数据集，这里为了简单，我们自己手造一点数据集。 %matplotlib inline import numpy as np import
“使用TensorFlow的基本步骤”之实践
沙沙罗曼的专栏
03-17 712
“使用TensorFlow的基本步骤”之实践 Google机器学习速成课程学习过程中，在“使用TensorFlow的基本步骤”这一节中，按照在线练习中的指导时，尝试在本地实践，遭遇“新手困境”，此文记录问题的经过。 操作系统OS X10.11.6，机器学习相关知识背景微乎其微，无python编程经验。 搭建编程环境 搭建python编程环境，测试代码是否能顺利运行。Mac下环境搭建比较...
独家 | 10分钟带你上手TensorFlow实践（附代码）
qq_40954115的博客
12-22 359
原文链接：点击打开链接 摘要： 这篇TensorFlow教程的目标读者是那些对机器学习有一定基本概念并且想尝试上手TensorFlow的人。首先你需要安装好TensorFlow（可以跟着本教程进行安装http://cv-tricks.com/artificial-intelligence/deep-learning/deep-learning-frameworks/tensorflow/
TensorFlow实践四步法
程序员本员
03-09 388
###### 第一步 准备数据 # 在Jupyter中，使用matplotlib显示图像需要设置为inline模式，否则不会显示图像 %matplotlib inline import matplotlib.pyplot as plt import numpy as np import tensorflow as tf np.random.seed(5) # 设置随机数种子 x_data = np.linspace(-1, 1, 100) # 生成从-1到1的等差数列，数字个数为100 y_dat
Python TensorFlow实战篇
极客代码
08-28 589
本篇博客将详细介绍如何使用Python和TensorFlow解决实际问题，包括图像分类、序列预测以及模型部署等内容。图像分类实战：使用卷积神经网络（CNN）进行图像分类。序列预测实战：使用循环神经网络（RNN）进行时间序列预测。模型部署：将训练好的模型部署到Web服务中。本篇博客详细介绍了如何使用Python和TensorFlow解决实际问题，包括图像分类、序列预测以及模型部署等内容。通过这些实战技巧，你可以更好地利用TensorFlow的强大功能来解决实际问题。
Tensorflow实践 基本原理学习和框架使用
ctrigger的专栏
06-27 395
Tensorflow 是google大脑小组的工程师们开发的用于机器学习和深度神经网络方面的研究，它通过一个数据流图来进行计算。[本文是对Tensorflow社区资料进行学习和实践，其中文社区还是很好的学习资源] 一、基本概念： 1、 数据流程图 data flow graphs 它的数据流图如下图所示(来源于网络)： ...
TensorFlow实践（6）——线性回归模型项目实践
Friedrich Yuan的博客
11-08 1949
TensorFlow实践（6）——线性回归模型项目实践（一）前 言（二）数据描述及可视化展示（三）模型的TensorFlow实现（1）模型参数设置（2）输入数据（3）构建模型（4）定义损失函数（5）选择优化器及定义训练操作（6）创建会话进行训练（7）训练结果（8）完整代码（四）结 论 （一）前 言 在前面的两节中我们分别介绍了一元线性回归模型和多元线性回归模型的TensorFlow实现，本节我们...
tensorflow 实践 第一帅
最新发布
01-15
### 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
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