一、运行样例原始代码如下import numpy as np
from matplotlib import pyplot as plt
import os
import tensorflow as tf
from PIL import Image
from utils import label_map_util
from utils import visualization_utils as vi
目录一、Ubuntu18.04 LTS系统的安装1. 安装文件下载2. 制作U盘安装镜像文件3. 开始安装二、设置软件源的国内镜像1. 设置方法2.关于ubuntu镜像的小知识三、Nvidia显卡驱动的安装1. 首先查看显卡型号和推荐的显卡驱动2. 安装nvidia-390版本驱动3. 重启系统，可以查看安装是否成功四、CUDA9.0的安装1. CUDA版本选择2. 安装CUDA9.03. 设置
转载
2024-05-18 23:13:28
284阅读
TensorFlow程序可以通过tf.device函数来指定运行每一个操作的设备，这个设备可以是本地的CPU或者GPU，也可以是某一台远程的服务器。TensorFlow会给每一个可用的设备一个名称，tf.device函数可以通过设备的名称来指定执行运算的设备。比如CPU在TensorFlow中的名称为/cpu:0
转载
2024-03-19 11:28:22
156阅读
1 版本兼容性问题在pycharm环境下使用tensorflow-gpu，主要是要安装四个文件，python、tensorflow-gpu、cuda和cudann。一般而言，不同版本的CUDA要求不同的NVIDIA驱动版本,同时显卡驱动版本要不低于CUDA的安装版本，具体的对照关系如下： 如下链接对应了官方的版本要求说明：https://docs.nvidia.com/cuda/cuda-tool
转载
2024-05-16 05:19:36
389阅读
对于tensorflow-GPU版本的安装使用我就不过多地介绍了，但是最近有些基于分布式训练的小技巧的却让我很是头疼，甚至让我开始怀疑自己的tensorflow是如何识别我电脑的GPU信息并进行调用的。查看是否有GPU import tensorflow as tf
gpu_device_name = tf.test.gpu_device_name()
print(gpu_dev
转载
2024-07-11 12:34:23
144阅读
Anaconda3+虚拟环境Python3.6+Tensorflow-gpu1.11.0】系统：win11 显卡：NVIDIA GeForce RTX 3050 python：3.6.2 CUDA：9.0 cuDNN：7.6.5 tensorflow：tensorflow-gpu 1.11.0我之前安装过tensorflow，再安装tensorflow-gpu 1.11.0，安装成功了，但用不了，
前叙：有灵魂的程序都是每一个程序员的最终目标。TensorFlow了解下？ 打算花几个月学机器学习，TensorFlow是很好的选择，折腾了会环境，略有心得分享下。 环境：win10Python：3.6.5TensorFlow-GPU：1.8.0CUDA：9.0 cuDNN：7.1.4 我们来用最简单的方法安装，首先Pyt
转载
2024-08-22 07:32:56
43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
一、在安装tensorflow-gpu2.1.0之前，首先需要确定我们的电脑到底支不支持gpu，具体的查看方式如下图所示：首先选中“我的电脑”单击右键---->“管理”---->“设备管理器”---->“显示适配器”---->查看是否有NVIDIA显卡，要是有就表示我们可以安装tensorflow-gpu，否则我们只能安装不支持gpu的tensorflow版本。
转载
2024-03-14 21:07:36
141阅读
深度学习环境配置1——windows下的tensorflow-gpu=1.13.2环境配置注意事项一、2021/9/11更新二、2021/7/8更新三、2020/11/5更新学习前言环境内容环境配置一、Anaconda安装1、Anaconda的下载2、Anaconda的安装二、Cudnn和CUDA的下载和安装1、Cudnn和CUDA的下载2、Cudnn和CUDA的安装三、配置tensorflow
转载
2024-08-14 01:22:40
72阅读
TensorFlow在Mac环境下的安装前言 最近学校有一门实验课叫做「应用软件开发实践」，这门课要求在规定课时内完成自己的选题。
我们小组选择了基于深度学习的银行卡号识别系统这一题目，题目要求如下：1.数据集处理
根据本赛题提供的数据集（共1084张卡号截图及标签）实现数据增强模块，将数据集中的每一张图
win10系统基于python的gpu版tensorflow库超详细安装教程前言前置知识cuda和cudnn安装tensorflow-gpu安装用anaconda安装用pip安装keras安装在pycharm中以gpu方式编译运行tensorflow+keras代码 前言先介绍需要安装的硬件基础cuda和cudnn，然后介绍如何下载python的tensorflow-gpu和keras库，最后实
转载
2024-05-06 17:50:24
346阅读
文章目录安装步骤0、安装 Jetpack1、把 CUDA 的路径写入环境变量中2、安装中文输入法3、安装 pip4、安装一些必要的库5、升级 pip3 版本6、安装 numpy 库7、安装一些必要的库8、安装 h5py 包9、安装 keras-applications 包10、安装 future 包11、安装 scipy 包12、安装 setuptools 和 testresources 包13
上个月发布了四篇文章，主要讲了深度学习中的“hello world”----mnist图像识别，以及卷积神经网络的原理详解，包括基本原理、自己手写CNN和paddlepaddle的源码解析。这篇主要跟大家讲讲如何用PaddlePaddle和Tensorflow做图像分类。所有程序都在我的github里，可以自行下载训练。 在卷积神经网络中，有五大经典模型，分别是：LeNet-5,AlexNe
转载
2024-08-20 18:02:39
23阅读
TensorFlow-CPU与GPU的安装教程TensorFlow-CPU1.下载Anaconda2. 下载Vsual C++3. 安装TensorFlow-CPUTensorFlow-GPU1.检测当前GPU驱动版本是否满足大于410版本2.下载Vsual C++3.下载Anaconda或Miniconda4.替代.condarc配置文件4.安装Tensorflow-GPU 写在前面：CPU和
转载
2024-02-29 23:46:23
112阅读
WIN10 + python3.5 + Aaaconda3-5.1.0 + CUDA10.0 + cuDNN7.6.5.32 + tensorflow-gpu-1.13.1 安装步骤1、查找python与tensorflow版本对应2、安装python3.53、Anaconda安装4、CUDA与cudnn安装5、tensorflow安装报错问题解决 1、查找python与tensorflow版本
转载
2024-04-28 19:30:07
68阅读
自己这几天更换电脑，再加上前次旧电脑学习，安装了好几次TensorFlow，每次都遇到了一些问题，经常缺一些文件，在网上下载文件还很慢，走了不少弯路，特将完整的安装方法记录如下，以便后续使用，也供同行参考。TensorFlow的学习需要有专门的Nvida的GPU显卡的电脑，GPU的显存最好在4G以上，我以前那台电脑只有1G显示只能学习一些非常初级模型，稍微复杂的模型就无法运行。对于没有GPU独显的
转载
2024-02-27 15:22:32
128阅读
GPU环境的配置 在深度学习中，模型往往很复杂，数据量很大，此时使用GPU运行会快很多。而使用GPU就需要安装CUDA和CuDNN。本文是为了使用tensorflow的gpu版本而使用的GPU。 （1）GPU的配置 首先，要使用TensorFlow的GPU，需要达到的硬件前提：显卡类型是NVIDIA，显卡的计算能力要至少达到3.0。 可以在下面的网站查看： https://developer.nv
转载
2024-03-03 21:09:24
65阅读
摘要： tensorboard是tensorflow用来可视化训练和测试过程的模块，而pytorch并没有可视化模块，但是pytoch=1.2.0版本以上开始支持tensorboard。 目录一、 安装tensorboard二、 使用tensorboard1、首先导入模块：2、初始化：3、记录内容：4、关闭：三、可视化1、打开终端，写命令行2、打开浏览器，打开tensorboard可视化 一、 安
转载
2023-08-25 23:08:50
594阅读
TensorFlow有CPU版本和GPU版本之分，CPU版本安装相对简单，按着TensorFlow的官方文档进行安装即可。但CPU版本只能使用CPU进行计算，计算效率低。对于简单的模型计算可以使用CPU模式，但对于复杂的模型训练就需要GPU的支持了。GPU版本安装方式TensorFlow的GPU版本有两种安装方式：源码编译安装这种方式灵活性最强，但这种方式不但会涉及TensorFlo
转载
2024-03-08 09:04:36
42阅读
