Linux安装Anaconda、TensorFlow、Keras1、安装anaconda2、安装TensorFlow3、安装相应版本的keras 1、安装anaconda从清华镜像源下载需要的anaconda： https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 我下载的是红色框住的版本。 下载好之后通过xftp传到服务器上，并运行bas
文章目录一、配置清华镜像源1.主要镜像源地址2.第三方包镜像源地址3.查看当前镜像源配置二、配置pip默认国内镜像地址三、安装Tensorflow2.8_GPU依赖环境四、验证GPU环境是否安装成功五、Tensorflow2.8_GPU环境配置完成六、通过nvidia官网下载驱动安装GPU环境0.1.2.3.4.5. 一、配置清华镜像源1.主要镜像源地址# 更改conda默认下载地址，使用清华镜
转载
2024-02-22 13:07:27
1329阅读
#安装 CUDA 及 cuDNN 需要确定自己电脑是否是 N卡 并且显卡支持版本在下面的列表中（具体也可去官网查看），如果不是就跳过该步骤。https://developer.nvidia.com/cuda-gpus https://developer.nvidia.com/cuda-downloads CUDA CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的
转载
2024-06-21 16:04:48
948阅读
Windows中 Anaconda，Tensorflow 和 Pycharm的安装和配置 安装Tensorflow时，上方文章可能会出问题,用pip3 ………或 pip …Install --user …… 一、初识Tensorflow三好学生问题三好学生的评分公式： 总分 = 德育分 * 0.6 + 智育 * 0.3 + 体育 * 0.1计算 总分的公式实际上就是 把 3
在使用 TensorFlow 进行深度学习开发时，Docker 是一个极其重要的工具。它可以帮助我们构建一致的开发环境，简化依赖管理。然而，依赖于 TensorFlow 的 Docker 镜像源时，很多人会遇到网络问题或镜像源选择不当的困扰。本文将详细记录我在解决“tensorflow docker镜像源”问题的过程中遇到的技术原理、架构解析、源码分析以及性能优化，帮助你更好地理解和解决类似的问题
一、前言本文是对安装tensorflow及后续在spyder和jupyter notebook中使用的经验总结，整个过程踩过很多坑，故此记录下来。如果有幸被您看见这篇文章，建议您先将全文浏览，如果和您的情况相符，那希望能帮助到您。二、环境系统：Windows 10 已经安装好anaconda3，python版本是3.7，spyder和jupyter notebook都能正常使用。三、安装tenso
安装Anaconda在官网https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/下载Anaconda 自己用就选Just ME，我这里是对所有用户都可以 完成等待安装 安装完成就打开菜单栏的Anaconda Prompt 进入之后可以输入conda --version来查看下载的版本，我这里下载的是4.8.2版本的安装tensorflow添加镜
转载
2024-05-05 18:04:36
525阅读
一、LINUX环境下操作： 1.安装交叉编译SDK （仅针对该型号：i.MX6,不同芯片需要对应的交叉编译SDK） 2.下载Tensorflow git clone https://github.com/tensorflow/tensorflow.git &nb
转载
2024-05-29 02:02:05
873阅读
tutorial系列mnist已经玩过了，这篇玩一下 classify_image，其实就是image label。模型已经训练好的了，直接下载下来在.pb文件中。本机环境： Win10 + Python3.5 + tensorflow-1.1.0rc2-cp35-cp35m-win_amd64.whl 调用maybe_download_and_extract函数中的ur
转载
2024-05-19 07:00:11
53阅读
https://docker.mirrors.ustc.edu.cn有两种方式可以配置国内镜像源：通过daemon.json文件来修改（1）在/etc/docker目录中添加daemon.json文件，内容如下：
{
"registry-mirrors": ["http://hub-mirror.c.163.com","https://registry.docker-cn.com",
转载
2024-10-21 11:21:28
79阅读
#作者：韦访 1、概述前两讲，我们讲了队列和TFRecord，不知道你们有没有注意到，程序运行时，有如下警告（我现在用的TensorFlow版本是1.15.1，老的版本没有这个警告），WARNING:tensorflow:From demo4.py:54: string_input_producer (from tensorflow.python.training.input) is depre
安装tensorflow环境1.安装Anaconda2.创造Tensorflow虚拟环境3.安装Tensorflow框架 1.安装Anaconda安装Anaconda可以从镜像网上面下载需要的版本，我这里使用的是Anaconda3-5.1 下面给出清华镜像网的地址。清华镜像网2.创造Tensorflow虚拟环境conda create -n tensorflow python=3.5这里-n应该
目录一、安装docker:二、拉取tensorflow-serving镜像：三、将模型文件转成saved_model格式 四、通过docker运行tensorflow-serving进行部署模型说明一下参数：0：前面几个参数不用变1：source模型保存的地方2：MODEL_NAME是你自己自定义的3：target也是你自己自定义的，但是我建议models不要动，就后面的字段改成和MOD
转载
2023-07-17 13:37:08
322阅读
Anaconda、tensorflow的安装与conda channel的镜像设置、tensorflow的测试（非常全）1.Anaconda 的下载与安装2.conda channel的镜像设置3.tensorflow 的安装4.检测tensorflow是否安装成功 1.Anaconda 的下载与安装（1）下载地址 https://mirrors.tuna.tsinghua.edu.cn/ana
转载
2024-06-07 10:54:01
1190阅读
前提介绍官网（不一定能打开）中文社区新手教程简介中文社区简介TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。
数据表格 项目名用途星星数观看数fork数TensorFlow机器学习170K7.8K87.6KAwesome学习资源234K7.5K24.7Kd3可视化104K3.8K23.3KReact NativeUI框架107K3.7K22.8KLinux操作系统144K8.1K46.2KBootstrap前端框架161k6.9k77.7kFreeCodeCamp课程学习359k8.5k30.7kVue
Docker Hello WorldDocker 允许你在容器内运行应用程序， 使用docker run 命令来在容器内运行一个应用程序。一、输出Hello world[root@localhost ~]#: docker run centos /bin/echo "Hello world"
Hello world各个参数解析：docker: Docker
转载
2023-11-10 10:28:07
54阅读
win10+python3.5+tensorflow_gpu-1.4.0安装教程踩坑详述（也可用于安装其他版本tensorflow）安装教程总述我的笔记本配置踩坑前情提要安装Python 3.5.2安装Tensorflow安装CUDA8.0和CUDNN6.0安装Visual StudioLet's import it!下载链接 安装教程总述最近有个机器人的项目要用到tensorflow，正好在我
# Python如何安装TensorFlow库的镜像源
TensorFlow是一个强大的机器学习库，广泛应用于深度学习、计算机视觉和自然语言处理等领域。然而，在某些地区，直接从官方源安装TensorFlow可能会因为网络问题而变得非常缓慢。为了解决这个问题，我们可以使用镜像源来安装TensorFlow，从而加快下载速度。本文将介绍如何选择适合的镜像源并安装TensorFlow，具体步骤如下。
原创
2024-10-26 04:52:21
649阅读
Tersonflow Serving原理前言当我们将模型训练完毕后，往往需要将模型在生产环境中部署。最常见的方式，是在服务器上提供一个 API，即客户机向服务器的某个 API 发送特定格式的请求，服务器收到请求数据后通过模型进行计算，并返回结果。如果仅仅是做一个 Demo，不考虑高并发和性能问题，其实配合 Flask 等 Python 下的 Web 框架就能非常轻松地实现服务器 API。 不过，如
转载
2024-09-24 14:33:09
16阅读
