安装前准备TensorFlow 有两个版本：CPU 版本和 GPU 版本。GPU 版本需要 CUDA 和 cuDNN 的支持，CPU 版本不需要。如果你要安装 GPU 版本，请先确认你的显卡支持 CUDA。我安装的是 GPU 版本，采用 pip 安装方式，所以就以 GPU 安装为例，CPU 版本只不过不需要安装 CUD
转载
2024-09-24 23:18:02
35阅读
WIN10配置Tensorflow-GPU一、电脑配置及版本 WIN10+GTX1050Ti+CUDA-9.0.176+CUDNN-9.0-windows10-x64-v7.5.0.56 IDE:Pycharm 框架:Tensorflow-GPU Python版本:Python3.6二、配置过程 1.首先要看显卡是否支持GPU加速 CUDA及CUDNN是NAVIDIA开发的，首先显卡必须是NAVI
转载
2024-05-14 09:22:38
165阅读
安装前准备 TensorFlow 有两个版本：CPU 版本和 GPU 版本。GPU 版本需要 CUDA 和 cuDNN 的支持，CPU 版本不需要。如果你要安装 GPU 版本，请先确认你的显卡支持 CUDA。我安装的是 GPU 版本，采用 pip 安装方式，所以就以 GPU 安装为例，CPU 版本只不过不需要安装 C
转载
2024-04-25 09:57:08
495阅读
最近学校给了一个服务器账号用来训练神经网络使用，服务器本身配置是十路titan V，然后在上面装了tensorflow2.2，对应的python版本是3.6.2，装好之后用tf.test.is_gpu_available()查看是否能调用gpu，结果返回结果是false，具体如下： 这里tensorflow应该是检测出了gpu，但是因为某些库无法打开而导致tensorflow无法调用，返回了fal
转载
2024-04-03 09:53:51
517阅读
装的是tensorflow-gpuhttps://stackoverflow.com/questions/56786677/tensorflow-1-14-0-is-not-using-gpu有报错： Cannot dlopen some GPU libraries. Skipping registering GPU devices…
原创
2022-07-19 12:00:45
244阅读
一、基本知识 TensorFlow的基本知识是学习的基础，要有一个大致的了解。这个学习的时候遇到很多问题，所以准备一边学习一边整理。这些内容主要来自TensorFlow的中文社区，再加上自己的一些整理。 首先要了解TensorFlow的基本概念。tensor可以理解为一种数据，TensorFlow就相当于一个数据的流动过程，所有能用图（graph）来表示的计算任务理论上都能用TensorFlow
1、什么是TensorFlow？TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统[1]。TensorFlow可被用于
转载
2024-03-29 08:48:55
61阅读
tensorflow中，Graph是一个就像一个大容器，OP、Tensor、Variable是这个大容器的组成部件。Graph管理Tensor对象，Session管理Variable对象。Variable对象必须在Session对象内初始化。初始化所有Variable对象，把.global_variables_initializer() Op传给Session.run()。初始化部分Variabl
转载
2024-05-10 02:07:34
101阅读
TF – Kernels模块 TF中包含大量Op算子，这些算子组成Graph的节点集合。这些算子对Tensor实现相应的运算操作。图 4 1列出了TF中的Op算子的分类和举例。 图 4 1 TensorFlow核心库中的部分运算 OpKernels 简介 OpKernel类（core/framework/op_kernel.h）是所有Op类的基类。继承OpKernel还可
文章目录1、TensorFlow2.0主要特征2、架构2.1 read &preprocess data2.2 tf.keras2.3 Premade Estimators2.4 distribution strategy2.5 SaveModel3、开发流程4、强大的跨平台能力5、 强大的研究实验 1、TensorFlow2.0主要特征tf.keras和eager mode更加简单鲁棒
转载
2024-04-14 09:55:20
62阅读
雷锋网(公众号：雷锋网) AI 科技评论按：日前，TensorFlow 团队与 NVIDIA 携手合作，将 NVIDIA 用来实现高性能深度学习推理的平台——TensorRT 与 TensorFlow Serving 打通结合，使用户可以轻松地实现最佳性能的 GPU 推理。目前，TensorFlow Serving 1.13 已实现对 TF-TRT 的支持，
摘要：这篇文章主要介绍深度学习的几个应用领域及安装tensorflow深度学习应用领域图像识别语音识别音频处理自然语言处理机器人生物信息处理电脑游戏搜索引擎网络广告投放医学自动诊断金融基本工具介绍Protocol Buffer：结构化数据工具Bazel：自动化构建工具，用来编译程序TensoFlow介绍TensorFlow是由谷歌开发并维护的深度学习框架，在目前主流的深度学习框架中处于领先地位安装
转载
2024-04-30 18:50:15
59阅读
经验证本文的程序兼容TensorFlow 1.11.0版本 tensorflow profiler 主要特性使用tensorflow profiler举例高级功能Advisor TensorFlow profiler 主要特性从r1.3版本开始， tensorflow 提供profiler模块为方便描述，下面将tf中运行的神经网络模型简称为graph，其中的节点称为node.profiler的最大
转载
2024-03-13 20:03:10
135阅读
今天学习TensorFlow，一个超级好用的神经网络搭载库什么是TensorFlowTensorFlow 是一个采用数据流图(data flow graphs)，用于数值计算的开源软件库。TensorFlow 最初由Google大脑小组(隶属于Google机器智能研究机构)的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。它是谷歌基于
转载
2024-04-30 18:44:06
81阅读
计算代数的优化技术，使它便计算许多数学表达式。TensorFlow 可以训练和运行深度神经网络，它能应用在许多场景下，比如，图像识别、手写数字分类、递归神经网络、单词嵌入、自然语言处理、视频检测等等。TensorFlow 可以运行在多个 CPU 或 GPU 上，同时它也可以运行在移动端操作系统上（如安卓、IOS 等），它的架构灵活，具有良好的可扩展性，能够支持各种网络模型（如OSI七
使用Graphs来表示计算任务在Session的上下文context中执行图使用tensor表示数据通过变量Variable维护状态使用feed和fetch可以为任意的操作赋值或者从其中获取数据Tensorflow是一个编程系统，图graphs表示计算任务，图graphs中的节点称之为op（operation)，一个op可以获得0个或多个Tensor，执行计算，产生0个或多个Tensor。Tens
转载
2024-03-24 15:44:00
84阅读
本文主要带领读者了解生成对抗神经网络（GAN），并使用提供的face数据集训练网络GAN 入门自 2014 年 Ian Goodfellow 的《生成对抗网络（Generative Adversarial Networks）》论文发表以来，GAN 的进展突飞猛进，生成结果也越来越具有照片真实感。就在三年前，Ian Goodfellow 在 reddit 上回答 GAN 是否可以应用在文本领域的问题
转载
2024-05-11 20:53:01
83阅读
PaddlePaddle基础命令PaddlePaddle是百度开源的深度学习框架，类似的深度学习框架还有谷歌的Tensorflow、Facebook的Pytorch等，在入门深度学习时，学会并使用一门常见的框架，可以让学习效率大大提升。在PaddlePaddle中，计算的对象是张量，我们可以先使用PaddlePaddle来计算一个[[1, 1], [1, 1]] * [[1, 1], [1, 1]
转载
2024-04-15 23:22:18
79阅读
文章目录前言一、TensorFlow1.x1.在2.x环境中运行1.x程序2.定义计算图3.变量初始化4.创建执行会话5.占位符6.TensorBoard可视化工具二、TensorFlow2.x1.Tensor类2.张量创建3.维度变换4.张量索引5.张量运算总结 前言简单记录一些TensorFlow1.x中的操作，主要记录TensorFlow2.x中张量的创建和运算。一、TensorFlow1
转载
2024-04-01 06:45:20
57阅读
介绍这个帮助文档让你可以使用TensorFlow的底层API开始编程，让你知道： – 如何管理你自己的TensorFlow程序（用tf.Graph）和一个TensorFlow的runtime（用tf.Session）。这样你就不需要依赖Estimators去帮你管理了。 – 利用tf.Session去运行一个TensorFlow的Operations。 – 在底层API里使用高层的componen
转载
2024-04-03 12:23:31
67阅读
