TFLite系列的前几篇文章中，我们介绍了TFLite和创建模型的过程。在这篇文章中，我们将更深入地研究模型优化。我们将探索TensorFlow模型优化工具包(TF MOT)支持的不同模型优化技术。最后对优化后的模型进行了详细的性能比较。1. TensorFlow模型优化工具包TensorFlow Model Optimization Toolkit是一套用于优化ML模型的工具，用于部署和执行。在
转载
2024-04-20 18:35:00
95阅读
前言是的，除了水报错文，我也来写点其他的。本文主要介绍Keras中以下三个函数的用法：fit()fit_generator()train_on_batch()当然，与上述三个函数相似的evaluate、predict、test_on_batch、predict_on_batch、evaluate_generator和predict_generator等就不详细说了，举一反三嘛。环境本文的代码是在以
转载
2024-06-27 05:07:33
38阅读
tensorflow2不支持1的api！！！！！tensorflow2不支持1的api！！！！！tensorflow2不支持1的api！！！！！ 好了，首先看看自己的python版本，gpu的信息，tensorflow的版本，我下的最新python3.9直接报错*（没想到竟是噩梦的开始），py的版本应该在3.6-3.8 python 版本用 python -v看gpu 信息用
ubuntu下极简安装显卡驱动通用教程 文章目录ubuntu下极简安装显卡驱动通用教程前言：1. 安装anaconda2. 极简通用安装显卡驱动教程！3.OpenCV安装教程结束更新：Windows下免安装cuda和cudnn。 前言：发现我这个教程，可以适用几乎所有的显卡，根本不用手动配置什么花里胡哨的选项，也不会有黑屏什么的风险，三句话解决，强烈推荐！1. 安装anaconda安装anacon
看到有很多朋友问TensorFlow-gpu如何配置，我打算分享下我的安装经验。first and first兄dei，你的显卡是NVIDIA 1060 以上吗？ 不是的话，先去买个深度学习 穷人入门版 的1060的显卡吧（最低1050ti才可以在深度学习领域划水），在公司工作的、土豪建议直接2080Ti，或者专业图形显卡P100只有NVIDIA显卡支持GPU加速TITAN系列显卡专业图形显卡首先
转载
2024-04-12 08:37:25
65阅读
目录环境硬件环境软件环境整体安装流程1、Python安装2、安装CUDA、CUDNN3、安装tensorflow参考网站 环境这里环境包含两方面，硬件环境与软件环境。首先需要说明一下，对于任何软件或框架对硬件都有最低配置要求以及新的硬件可能对于旧版本软件不支持，所以在安装任何软件前最好查看官网说明，防止出现莫明其妙的错误、硬件环境这里，我先简单说明一下，本人的硬件配置，配置如下所示：CPU：AM
转载
2024-05-26 16:03:33
98阅读
笔者软硬件环境说明：操作系统：win10cpu: i5-6300hqgpu：gtx950m用到的软件：1、anaconda2、cudatoolkit3、cudnn4、tensorflow5、pycharm 预先准备先去查看显卡的驱动版本：1.进入显卡控制面板2.依次点击帮助--系统信息--组件如图所示，我的显卡支持cuda 11 这里后续要用的是cuda10，请保证显卡支持，如果支持的不
转载
2024-04-26 10:39:28
48阅读
搭建深度学习开发环境一、深度学习应用的典型开发流程二、深度学习训练所需的硬件三、NVIDIA显卡驱动安装（可跳过）四、释放NVIDIA显卡资源（可跳过）五、深度学习开发环境所需的软件5.1 Python和Anaconda5.2 TensorFlow常见问题及解决方法 一、深度学习应用的典型开发流程二、深度学习训练所需的硬件对于深度学习训练来说核心的执行硬件是GPU。TensorFlow
转载
2024-03-27 16:14:48
84阅读
BERT | 使用TensorFlow无法使用显卡 大家好，我是亓官劼（qí guān jié ），在【亓官劼】公众号、GitHub、B站、华为开发者论坛等平台分享一些技术博文，主要包括前端开发、python后端开发、小程序开发、数据结构与算法、docker、Linux常用运维、NLP等相关技术博文，时光荏苒，未来可期，加油~ 如果喜欢博主的文章可以关注博主的个人公众号【亓官劼】(qí guā
原创
2022-10-26 00:26:30
217阅读
背景深度学习模型如何服务化是一个机器学习领域工程方面的热点，现在业内一个比较主流的做法是将模型和模型的服务环境做成docker image。这样做的一个好处是屏蔽了模型对环境的依赖，因为深度学习模型在服务的时候可能对各种框架版本和依赖库有要求，解决运行环境问题一直是个令人头痛的事情。将模型通过docker服务化后意味着深度学习模型可以在各种环境使用，比如云端直接通过k8s调度拉起，或者在一些IOT
转载
2023-10-06 16:56:55
60阅读
# 使用 TensorFlow Docker 进行多显卡训练
随着深度学习技术的快速发展，越来越多的数据科学家和机器学习工程师开始使用多张显卡来加速模型的训练过程。TensorFlow 作为一个主流的深度学习框架，提供了良好的支持，尤其是在 Docker 环境中部署和管理。本文将介绍如何利用 TensorFlow Docker 使用多张显卡进行训练，并提供相关的代码示例。
## 1. Dock
原创
2024-10-21 05:54:54
81阅读
系统配置Ubuntu18.04Anaconda4.9.2Cuda10.0+Cudnn7.6.5CPU版本执行pip install tensorflow默认安装的是CPU版本，并且安装后会有较多import依赖问题，部分记录如下，基本都属于"No module named xxxx"。1.找不到wrapt通过conda install wrapt解决该问题。2.找不到GLIBCXX问题描述：Imp
# 使用 TensorFlow Docker 进行多显卡训练的指南
在深度学习的世界中，多显卡的使用能够显著提高模型训练的速度和效率。然而，对于很多初学者来说，在 Docker 容器中配置 TensorFlow 以利用多张显卡往往会遇到种种问题。本文将介绍如何有效地在 TensorFlow 的 Docker 容器中利用多张显卡，并提供相关的代码示例。
## 一、环境准备
首先，确保你的机器中
原创
2024-10-18 07:45:46
135阅读
TensorFlow2.0-GPU版安装过程总结前言一、安装的配置（硬件和软件）1.硬件配置2.软件要求二、安装步骤1.下载安装CUDA102.下载安装cuDNN3.安装TensorFlow24.测试GPU版本TensorFlow2三、总结 前言我自己安装了很多次说实话还是没搞太懂，我自己也不是计算机专业的看了网上的一些教程，因为电脑配置不同有时候安装也总是出错，在CSDN上找攻略，也在B站上找
转载
2024-08-30 21:28:16
106阅读
安装了 Anaconda，下一步决定是否安装 TensorFlow CPU 版本或 GPU 版本。几乎所有计算机都支持 TensorFlow CPU 版本，而 GPU 版本则要求计算机有一个 CUDA compute capability 3.0 及以上的 NVDIA GPU 显卡（对于台式机而言最低配置为 NVDIA GTX 650）。CPU 与 GPU 的对比：中央处理器（CPU）由对顺序串行
转载
2024-02-20 12:23:54
384阅读
目录1、placeholder2、add_n3、add_to_collection4、tf.argmax()5、cast6、tf.equal7、tf.reduce_sum8、tf.nn.dropout函数 1、placeholderplaceholder，中文意思是占位符，在tensorflow中类似于函数参数，运行时必须传入值。import tensorflow as tf
impor
第一部分神经网络设计过程与TensorFlow1差不多。只是函数不同。代码p13.张量（Tensor）讲解了创建Tensor的方法：tf.constan（张量内容，dtype=数据类型（可选））方法即可创建。将numpy数据类型转换为Tensor数据类型：tf.convenrt_to_tensor（数据名，dtype=数据类型（可选））生成正态分布的随机数：默认均值为0，标准差为1tf.rando
zip（）函数zip语法zip([iterable, ...])
a=[1,2,3]
b=[4,5,6]
c=[4,5,6,7,8]zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用 * 号操作符，可以将元组解压为列表zipp=zip(a,b)
#result
[(1,4
1 引言简单介绍一下在TensorFlow中调用GPU，以及TensorFlow与Docker、Kubernetes相结合的方法。主要参考了TensorFlow官方文档中相关的Tutorial、Guide和API Doc。仅做抛砖引玉，英文好的朋友建议去看看源文档。2 TensorFlow中的GPUTensorFlow对多种硬件都提供了支持，比如常见的CPU、GPU和TPU。由于GP
文章目录Tensorflow常用函数1. 基础2. 数据处理3. 网络搭建4.使用Keras5. 自制数据（预处理），打包 Tensorflow常用函数1. 基础tf.int
tf.float32
tf.float64tf.constant(张量内容，dtype=数据类型) # 创建张量
tf.convert_to_tensor(数据名，dtype=?) # numpy转tensor
tf.ze
转载
2024-04-07 14:41:15
78阅读
