Anaconda安装在清华大学 TUNA 镜像源选择对应的操作系统与所需的Python版本下载Anaconda安装包。Ubuntu环境下在终端执行 $ bash Anaconda2-4.3.1-Linux-x86_64.sh #Python 2.7版本或 $ bash Anaconda3-4.3.1-Linux-x86_64.sh #Python 3.5 版本在安装的过程中，会询问安装路径，按
转载
2024-05-22 22:27:07
52阅读
这几天一直在做一个Web程序的安装包，使用VS做安装程序需要注意的一些问题:1. 关于两种Setup项目VS 安装程序项目模板有一个Setup Project，还有一个是Web Setup Project。如果你的Web程序可以安装在C:/inetput/wwwroot下，那么使用Web Setup Project没什么问题，因为那是它的默认安装路径，且不能修改。这也是我放弃使用Web Setup
转载
2024-08-06 20:31:52
37阅读
最近在学习音视频相关开发技术。第一步是搭建开发环境，通过参考网上查到的资料结合实际情况，最终将ffmpeg编译通过，并支持x264、x265、fdk-aac。在这里将具体的操作过程记录下来，方便以后参考。 目录1、下载VS2019社区版本、下载msys64位版本的可执行文件进行安装。2、通过vs2019的x86 Native Tools 命令行工具打开msys2，并继承命令行工具的环境变量3、配
# PyTorch vs Tensorflow: A Comparative Analysis
Deep learning has gained significant popularity in recent years due to its remarkable success in various domains such as computer vision, natural langu
原创
2023-10-01 05:45:19
27阅读
在人工智能快速发展的今天，机器学习框架变得炙手可热，它们摇身成为许多研究人员和从业者的新宠。当下，机器学习框架之战有两个主要竞争者：PyTorch和TensorFlow。来自康奈尔大学的HoraceHe对二者进行了对比研究，并将研究成果发表在了斯坦福人工智能实验室创办的数字杂志“TheGradient”上。他发现：PyTorch在学界愈发吃香，而业界的首选仍是TensorFlow。在研究领域不断提
原创
2021-05-19 22:47:09
286阅读
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、安装VSCode和Anaconda二、安装tensorflow1.打开Anaconda Prompt2.创建名为tensorflow的虚拟环境：3.激活tensorflow虚拟环境4.执行tensorflow安装命令二、安装Keras三、tensorflow+keras安装检查：1.tensorflow虚拟环境下执行
VS2015的下载地址和安装教程 为了更便捷的进行开发，微软发布了 VS2015,VS2017等版本。VS2015支持开发者编写跨平台的应用程序，是一款强大的集成开发软件。这里主要是介绍社区版(Community)的的下载安装，话不多说直接开始吧。1、下载VS2015VS2015 社区版（Community）百度网盘下载地址：链接：https://pan.baidu.com/s/1n5aZIBus
TensorFlow训练模型时，基本都是在Python环境下完成。生成环境中通常会使用其他语言开发应用程序，来完成对训练好的模型的调用。这时，就需要用到tensorflow的动态库文件。Tensorflow的官方并没有提供编译好的动态库文件，只是给出了如何进行编译的方法指导。实际编译过程中，会遇到很多问题，作者在参考其他编译教程，结合自己的实战经验，总结撰写本教程，希望能为需要的同仁提供些许帮助。
建议先安装Anaconda一。CPU版本安装 1.安装编译好的release版本 1）使用pip安装即可，或者conda 2.编译安装 1）安装gcc（4.8~5.4） 2）安装baze
转载
2024-03-28 11:56:59
59阅读
本篇中介绍一下TensorFlow的安装。TensorFlow的安装分为安装包安装和编译安装.一般的用户使用安装包安装就可以了，并且安装包的方式简单方便，具体又分为基于pip安装、基于docker安装、基于VirtualEnv的安装和基于Anaconda的安装，基本的过程都是先准备好Python环境，然后直接通过Pip(python的包管理器)直接下载安装TensorFlow的Python包，比较
转载
2024-06-24 04:57:18
78阅读
一. 总论说到Tensoflow serving的编译安装，真的是一把鼻涕一把泪。前前后后折腾了一个星期。在这期间参考了同行的做法，自己也在不断地摸索尝试。 遇到的困难：Tensoflow serving的版本和源码在不断更新，之前成功编译安装的版本在一段时间后，由于github上的Tensoflow serving的源码的更新，变得编译安装不成功。即使是执行官网提供的编译安装指令也无法成功编译安
有时候我们想要编写打包脚本，但是如何编译vs解决方案呢，其实vs已经给我们提供了一个命令行工具 devenv.exe ，以vs2019为例 它在Common7\IDE\下构建Devenv.exe <解决方案的路径> /build [/project ProjName [/projectconfig ProjConfigName]]example:devenv.exe fengTra
转载
2022-01-10 20:55:00
90阅读
目录1 背景描述2 从现有代码创建VS项目 3 调试报错及解决 3.1 报错C48193.2 报错error C2065、C2259、C20593.2 报错C2131、C38613.3 报错undefined symbol:4 总结1 背景描述最近尝试将古董级的一堆c++代码在vs2022上编译。这堆代码在Mac上和linux上可以运行，但是在windows上就会报一堆错误。迫
转载
2023-10-11 22:00:06
140阅读
前言：已经2020年了，还有人死磕旧系统的兼容性吗？像我这样钻研奇怪东西的人也不知道还有没有。早在VS2013时期，要编译出XP系统运行的exe就需要做特别设置了，现在都VS2019了，要编译XP运行的exe难道需要装个VS2008或者VC6.0这种老古董吗？答案当然是否定的。1 打开Visual Studio Installer 点“更多”-“修改”。 点“单个组件”，在“编译器、生成工具和运行
转载
2024-06-17 18:33:23
223阅读
本机环境： 1、win7 64 旗舰版 2、Qt 5.11.2（MSVC 2015,32 bit） 3、到目前为止，python官方2018-10-20更新，Python 3.6.7；1、下载合适的python版本，本机使用vs2015的Qt，所以选择了vs2015支持的3.6版本的python，python3.7----vs2017python3.6----vs2015需要知道别的pyth
转载
2023-06-29 19:54:07
79阅读
在vs2017中添加库 ：三步走： A、添加工程的头文件目录：工程---属性---配置属性---c/c++---常规---附加包含目录：加上头文件存放目录。B、添加文件引用的lib静态库路径：工程---属性---配置属性---链接器---常规---附加库目录：加上lib文件存放目录。 C 然后添加工程引用的lib文件名：工程---属性---配置属性
步步截图，超详细的深度学习环境配置（上）python-anaconda-Vscode-tensorflow基本上每一个初学者都会接触到各种各样配置环境的问题。今天看了一本书–“深度学习图像识别技术基于tensorflow object detection API open window工具套件”一书中，有一个不错的一种集成化的配置方案，把整个配置流程的难度降到了最低。Python安装里面最难的一个
TensorFlow2.0–Chapter01环境搭建TensorFlow 是一个端到端开源机器学习平台。它拥有一个全面而灵活的生态系统，其中包含各种工具、库和社区资源，可助力研究人员推动先进机器学习技术的发展，并使开发者能够轻松地构建和部署由机器学习提供支持的应用。 文章目录TensorFlow2.0--Chapter01环境搭建TensorFlow1.x or 2.x安装Anaconda环境配
什么是TensorFlow? TensorFlow是Google开源软件库，为机器学习工程中的问题提供了一整套解决方案。类比于Spark/Flink是大数据工程问题的解决方案。该软件库把机器学习中的通用功能封装成了库，并提供了简易的API，使得在构建机器学习系统时不再需要做那些纷繁复杂的数学、工程工作，能把主要精力放在模型和业务上。这就像现在使用编程语言进行编程时，不再需要知道计算机硬件的细节，
转载
2024-02-27 22:21:26
121阅读
AI Studio链接：https://aistudio.baidu.com/aistudio/education/group/info/2099在一小时的演讲中，来自飞桨团队的资深研发工程师商智洲老师介绍了飞桨原生推理引擎，以及该引擎中针对 GPU 推理所做的优化工作。飞桨推理引擎是飞桨模型推理部署的重要基础之一，已在百度内部各核心业务线和众多 ToB 交付的AI服务中经过充分验证。商智洲介绍，
