目录一.引言二.Java / Tensorflow 代码配置1.代码配置2.Maven 配置三.环境检测1.显卡检测2.显卡监控四.推理踩坑1.异常现象2.异常日志五.安装 cuda-10.01.下载 cuda 安装包2.安装 cuda2.1 preface 前言2.2 安装配置2.3 安装完成2.4 可能遇到的问题六.安装 cuDNN1.安装 cuDNN2.解压 tgz 文件3.查看 cuDNN
转载
2023-08-23 09:36:29
460阅读
TensorFlow提供用于Java程序的API。这些API非常适合于加载在Python中创建的模型并在Java应用程序中执行。本指南说明如何安装TensorFlow for Java并在Java应用程序中使用它。警告：TensorFlow Java API目前没有TensorFlowAPI稳定性保证。支持的平台以下操作系统支持TensorFlow for Java：LinuxMac OS XWi
转载
2023-11-18 07:26:44
121阅读
笔者采用python3.6.7+TensorFlow1.12.0+CUDA10.0+CUDNN7.3.1构建环境PC端配置为GTX 1050+Intel i7 7700HQ 4核心8线程@2.8GHZTensorFlow-gpu的安装经历实在是坎坷的很首先显卡一定要支持没想到的是GTX 1050TI，GTX 1070TI等主流显卡竟然都不支持（还好我买的是GTX 1050）（并没有暗示需要一块TE
转载
2024-05-09 16:30:54
144阅读
1 安装msys2msys2是一个在Windows上的Linux虚拟环境，在Linux上写的程序，可以使用msys2编译为Windows上的exe或者dll。 在msys2官网上下载msys2程序：下载链接。 下载完成后进行安装，安装成功后将安装目录C:\msys64和安装目录下的usr/bin目录C:\msys64\usr\bin添加到系统环境变量path中 以管理权限打开cmd，依次安装msy
摘要本文为系列博客tensorflow模型部署系列的一部分，用于实现通用模型的部署。本文主要实现用JAVA接口调用tensorflow模型进行推理。相关源码见链接引言本文为系列博客tensorflow模型部署系列的一部分，用于JAVA语言实现通用模型的部署。本文主要使用pb格式的模型文件，其它格式的模型文件请先进行格式转换，参考tensorflow模型部署系列————预训练模型导出。从模型文件中获
转载
2024-04-11 11:24:16
30阅读
Anaconda版本：Anaconda3-5.2.0-Windows-x86_64Python版本：Python 3.6.5tensorflow版本：tensorflow 1.14.0首先在安装之前你需要由自己的电脑硬件确定安装TF(cpu)版或者是TF(cpu)版！打开“我的电脑-属性-设备管理器-显示适配器”，确定显卡为AMD还是为NVIDIA。AMD对应cpu版，NVIDIA对应gpu版。
为了编译TensorFlow的源代码，除了要有gcc（版本不低于4.8）支持之外，还需要安装Google自产的编译工具Bazel。1.安装Bazel安装Bazel，需要Java JDK 8或更高版本的支持，所以接下来我们要的第一件工作，就是要确定Java 8/9是否已经安装（可用“java -version”来查询）。如果没有安装，则可以通过如下流程安装。 （1）利用Ubuntu的PPA（Pers
转载
2023-09-25 19:26:09
106阅读
之前没有用过显卡，直接上手了一块RTX2080,在pycharm里面配置tensorflow-gpu踩坑无数，写下这篇经验，希望对还在坑中挣扎的小伙伴们有些帮助。一些知识：配置tensflow-gpu，大概需要安装显卡驱动，安装python，CUDA，cuDNN，更改环境变量，安装tensflow-gpu其中的坑大概在于CUDA，cuDNN与tensorflow的版本需要兼容，有时还要考虑到pyt
摘要：
2019年6月26日，在Sao Paulo举行的PAPIs.io LATAM会议上，作为Daitan的代表，本文作者Thalles Silva举办了一个关于TensorFlow（TF）2.0的研讨会，并在会上探讨了一些关于TF 2.0的话题。研讨会的初衷是重点展示2.0版本同以往1.x版本的不同。本文回顾了会上讨论的主要内容：Keras-APIs、SavedModels、TensorBoa
一、什么是TensorFlow？ TensorFlow是全面的深度学习框架支持非常全面不是专门为客户端设计特点：1、真正的可移植性： 引入各种计算设备的支持包括CPU/GPU/TPU，以及能够很好地运行在移动端， 如安卓设备、ios、树莓派等等 2、多语言支持： Tensorflow 有一个合理的c++使用界面，也有一个易用的python使用界面来构建和 执行你的graphs，你可以直接写pyt
转载
2024-03-02 10:37:02
76阅读
1.1 概要TensorFlow既是一个实现机器学习算法的接口，也是执行机器学习算法的框架。除了执行深度学习，还可以实现许多其他算法，比如线性回归、逻辑回归、随机森林等。主要技术特性：编程模型：数据流模型语言：Python、C++、Java部署：一次编写，各处运行计算资源：CPU、GPU、TPU（Tensor Processing Unit，google专门为深度学习计算定制的芯片）实现方式：单机
转载
2024-07-28 22:47:59
23阅读
说明： nvidia 30系显卡仅支持cuda11.0及以上版本，对应cudnn最低版本为8.0，tf版本为2.4.0 在win系统中无法实现30系显卡运行tf1的代码该教程使用的环境如下：Ubuntu20.043060 显卡cuda 11.1cudnn 8.0.5python 3.6tensorflow 1.15其中 python 版本和 tensorflow 版本是固定的简陋的目录安装显卡驱动
前言：HDR技术已经广泛用于离线CG渲染、游戏、电影等方面，能够显著的提高场景的对比度和真实感。可是背后的物理学与数学原理却很少有CG艺术家和图形程序开发人员去关注，非常建议大家阅读此文，通晓其中的基本原理。这不是一篇教你如何在GPU上实现HDR的文章。引言 如今大部图形软件都是以24bit颜色为基础，对每个通道占据8bit，以指数运算法则对颜色进行编码。这种方式的优点在于可以和大部分显示器设备
最近为了学习 tensorflow，要在主机上安装 tensorflow。所以在 github 上面下载了一个官方编译的 whl 来安装。一、主机主机为双路的 Titan xp，系统是 Ubuntu 16.04二、配置过程（一）先更新显卡驱动“系统设置”-- “软件与更新”-- “额外驱动”--选择第一个就好了。选好后点应用，输入密码，就会自动开始下载更新。（二）安装CUDA9.0网址：htt
原创
2021-12-10 16:58:06
599阅读
最近要开始学习（为了毕业），自己琢磨了一下在本地Windows10系统的情况下搭建Pytorch的环境，作为菜鸟，碰到了许多问题，在此总结一下环境配置的过程。所需的组件列表：1.CUDA2.cuDNN3.Python4.Tensorflow5.Pytorch最关键的事：版本选择。1.CUDA1）确认显卡计算性能，查询显卡支持的CUDA版本；CUDA GPUsdeveloper.nvidia.com
转载
2023-12-03 16:53:55
101阅读
TensorFlow学习笔记02:使用tf.data读取和保存数据文件使用`tf.data`读取和写入数据文件读取和写入csv文件写入csv文件读取csv文件读取和保存TFRecord文件TFRecord基础API`Example`对象的创建和序列化TFRecord文件的读写写入TFRecord文件读取TFRecord文件 使用tf.data读取和写入数据文件准备加州房价数据集并将其标准化:fr
转载
2024-04-13 12:52:39
23阅读
2、tf函数TensorFlow 将图形定义转换成分布式执行的操作, 以充分利用可用的计算资源(如 CPU 或 GPU。一般你不需要显式指定使用 CPU 还是 GPU, TensorFlow 能自动检测。如果检测到 GPU, TensorFlow 会尽可能地利用找到的第一个 GPU 来执行操作.
并行计算能让代价大的算法计算加速执行，TensorFlow也在实现上对复杂操作进行了有效的改进。大部分
前言我的TensorFlow环境： 用Anaconda3-5.0.1搭建的: windows7 + python3.6.3 + tensorflow1.8.0以下笔记中出现的程序代码均经过调试并运行成功的。很可能由于版本变更等原因，对部分代码进行过修改河调整。简介目的：了解TensorFlow 一个简单示例：import tensorflow as tf
import numpy as np
#
转载
2024-06-23 06:16:14
42阅读
tensorflow：TensorFlow是一个通过计算图的形式来表述计算的编程系统——TensorFlow中的每一个计算都是计算图上的一个节点，而节点之间的边描述了计算之间的依赖关系。 在TensorFlow中，张量可以被简单理解为多维数组。 Flow：流、飞。直接表达了张量之间通过计算相互转化的过程 张量是TensorFlow管理数据的形式。在TensorFlow中，所有的数据都是通过张量的形
转载
2024-05-11 22:40:51
56阅读
文章目录概述一、基本概念二、基础语法2.1 常量、图和会话2.2变量2.3 Fetch2.4 Feed和placeholder三、简单示例 概述TensorFlow 是由 Google Brain 团队为深度神经网络（DNN）开发的功能强大的开源软件库，于 2015 年 11 月首次发布。他是一个基于数据流编程（dataflow programming）的符号数学系统，被广泛应用于各类机器学习（
转载
2024-04-02 21:14:20
60阅读
