发布时间:2022-08-17 13:28
最近学习深度学习,需要安装TensorFlow的环境,这里总结记录一下.
(1)我这里介绍Anaconda下安装TensorFlow,所以前提是:你已经安装好了Anaconda.还没安装Anaconda的小伙伴也不要慌,先看看我这篇博客,先把Anaconda安装好.
链接:手把手教你win10下安装Anaconda
(2)win + R,然后输入cmd回车,进入Windows下的终端
(3)激活Anaconda
输入命令如下
activate
(4)创建新环境,这里我的环境名称为tf,Python版本为3.7
命令如下:
conda create -n tf python==3.7
(5)输入y,然后回车,继续创建
(6)新环境创建成功
(7)在base环境下激活新环境tf
命令如下:
conda activate tf
(8)使用pip命令安装TensorFlow,我这里安装的是使用GPU进行训练, 可以指定版本,这个大家可以按自己需求进行选择
命令如下:
pip install tensorflow_gpu==2.1.0
(9)将pycharm中解释器切换成新环境tf
(10)在pycharm中输入以下代码,进行测试.验证TensorFlow是否安装成功.
import tensorflow as tf
import timeit
with tf.device('/cpu:0'):
cpu_a = tf.random.normal([10000, 1000])
cpu_b = tf.random.normal([1000, 2000])
print(cpu_a.device, cpu_b.device)
with tf.device('/gpu:0'):
gpu_a = tf.random.normal([10000, 1000])
gpu_b = tf.random.normal([1000, 2000])
print(gpu_a.device, gpu_b.device)
def cpu_run():
with tf.device('/cpu:0'):
c = tf.matmul(cpu_a, cpu_b)
return c
def gpu_run():
with tf.device('/gpu:0'):
c = tf.matmul(gpu_a, gpu_b)
return c
# warm up
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('warmup:', cpu_time, gpu_time)
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('run time:', cpu_time, gpu_time)
(11)小插曲,如果控制台报如下错误:
解决方法:
按照第一个报错提示,降低protobuf版本即可
在Windows终端里面输入如下命令:
pip install protobuf==3.19.0
(12)再次运行测试程序,控制台如果显示如下,则证明TensorFlow的GPU训练版安装成功!!!
参考来自B站up主:有幸遇见的上上
[论文][表情识别]Region Attention Networks
ROC-RK3588S-PC (Android 12) UART的配置与使用
.NET 使用自带 DI 批量注入服务(Service)和 后台服务(BackgroundService)
pytorch中.numpy()、.item()、.cpu()、.detach()及.data的使用
【云原生Kubernetes系列第三篇】二进制部署单节点Kubernetes(k8s)v1.20(不要因为别人都在交卷,自己就乱写答案)
pandas读取股票CSV文件并用mplfinance绘制蜡烛图
复盘:霍夫曼编码平均长度计算方式,信源符号a1-a6概率为:0.1,0.4,0.06,0.1,0.04,0.3,霍夫曼编码平均长度是