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
1、概述关于ONNX的介绍，请自行百度。现在很多深度学习框架都支持了ONNX，方便了模型的部署和在各个框架之间转移，未来可期。这一讲，就来看看怎么将tensorflow训练的模型转成ONNX以及如果调用。ONNX官网如下， 2、tensorflow训练模型还是以我们写的mnist为例，不清楚的请先回去看看，链接如下，这讲的例子，我们不是直接在代码里进行转换，而是用命令行的形式将tenso
利用tensorflow搭建模型并保存时，保存模型的方法为saver = tf.train.Saver()
saver.save(sess, model_path + model_name)这样会在model_path路径下得到3个名为model_name的文件和一个checkpoint文件，例如，model_name=alexnet201809101818，则会得到如下四个文件 .data-0
转载
2024-06-09 08:27:10
64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
提示：GPU-manager 安装为主部分内容做了升级开箱即用 文章目录前言一、约束条件二、使用步骤1.下载镜像1.1 查看当前虚拟机的驱动类型：2.部署gpu-manager3.部署gpu-admission4.修改kube-4.1 新建/etc/kubernetes/scheduler-policy-config.json4.2 新建/etc/kubernetes/scheduler-exte
转载
2024-07-24 17:43:11
85阅读
在上一篇文章中《Tensorflow加载预训练模型和保存模型》，我们学习到如何使用预训练的模型。但注意到，在上一篇文章中使用预训练模型，必须至少的要4个文件：checkpoint
MyModel.meta
MyModel.data-00000-of-00001
MyModel.index这很不便于我们的使用。有没有办法导出为一个pb文件，然后直接使用呢？答案是肯定的。在文章《Tensorflow加
转载
2024-06-10 21:22:58
42阅读
如果这篇文章对您有帮助，欢迎点赞支持！目录前言1、TF模型保存方法2、checkpoint模式3、适合保存模型的时机一、保存模型1、创建Saver对象2、检查保存路径3、生成模型文件二、加载模型1、加载模型结构2、加载模型参数3、获取Tensor变量三、代码封装1、保存网络模型2、加载网络模型前言1、TF模型保存方法网络模型的保存和重载操作是学习和训练AI模型的必备技能之一，也是进一步学习迁移学习
转载
2024-02-26 13:07:58
176阅读
tf.train.Saver类负责保存和还原神经网络 自动保存为三个文件：模型文件列表checkpoint，计算图结构model.ckpt.meta，每个变量的取值model.ckptcheckpoint文件保存了一个目录下所有的模型文件列表，这个文件是tf.train.Saver类自动生成且自动维护的。在 checkpoint文件中维护了由一个tf.train.Saver类持久化的所有Tenso
转载
2024-05-13 10:04:28
55阅读
tensorflow使用多个gpu训练 关于多gpu训练,tf并没有给太多的学习资料，比较官方的只有：tensorflow-models/tutorials/image/cifar10/cifar10_multi_gpu_train.py但代码比较简单，只是针对cifar做了数据并行的多gpu训练，利用到的layer、activation类型不多，针对更复杂网络的情况，并没有给出指导。
转载
2024-02-26 22:47:22
39阅读
TensorFlow-gpu版本的环境搭建查看自己电脑gpu对应的cuda版本已经相对应的cudnn版本和tensorflow-gpu的版本。安装cuda,默认安装，然后在C盘根目录下面建立tool文件夹，将cudnn解压到该文件夹，并将里面的cudnn64_7.dll 的地址添加到用户环境变量中，同时将里面的文件逐个考进cuda安装文件的的相对应的文件夹中。安装anconda创建TensorFl
转载
2024-07-18 06:46:13
62阅读
1. 安装配置GPU环境1.1. 安装GPU版TF在之前我们已经安装了CPU版的TensorFlow，为了使用GPU来加速计算，我们必须安装GPU版的TensorFlow。这里我们可以直接使用pip命令来安装：apip install tensorflow-gpu==2.0.0-alpha0安装完成后我们后我们可以查看一下当前可用的GPU：from tensorflow.python.client
转载
2024-05-07 13:36:10
13阅读
综合案例：模型导出与部署学习目标目标
掌握TensorFlow模型的导出(saved_model格式)掌握Tensorflow模型的部署掌握TensorFlow模型的客户端调用掌握TensorFlow模型的超参数调优使用应用
无4.11.1 TensorFlow 模型导出在部署模型时，我们的第一步往往是将训练好的整个模型完整导出为一系列标准格式的文件，然后即可在不同的平台上部署模型文
转载
2024-05-20 23:52:11
49阅读
Tensorflow数据读取有三种方式：Preloaded data: 预加载数据Feeding: Python产生数据，再把数据喂给后端。Reading from file: 从文件中直接读取 这三种有读取方式有什么区别呢？ 我们首先要知道TensorFlow(TF)是怎么样工作的。 TF的核心是用C++写的，这样的好处是运行快，缺点是调用不灵活。而Python恰好相反，所以结合两种语言的优势
转载
2024-04-18 10:11:53
192阅读
# Java 数据推测模型示例教程
## 引言
数据推测模型，也称为数据预测模型，是一个重要的机器学习应用。它可以帮助我们根据已有的数据进行预测。在这一篇文章中，我们将介绍如何使用Java语言实现一个简单的数据推测模型。通过以下步骤，你可以创建一个线性回归模型，用于预测某个输入特征（如面积）对输出结果（如房价）的影响。
## 流程概述
在实现之前，我们先简要概述一下整个实现过程。下面是一个简单
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
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
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
Tensorflow GPU训练模型时假卡死
原创
2019-11-14 10:55:22
10000+阅读
通过多 GPU 并行的方式可以获得较好的加速计算的效果，但一台机器上能够安装的 GPU 是有限的，如果需要进一步提升深度学习模型的训练 速度，可以采用分布式运行TensorFlow 的方式将模型放在多台机器上进行 训练。TensorFlow 的分布式并行基于 gRPC通信框架。在一个分布式的运行环 境下，有一个 Master 负责创建和维护 Session，还有多个 Worker 负责执行计 算图
1、tensorflow-gpu+anaconda环境配置（1）下载anaconda并安装https://anaconda.en.softonic.com/ 选择合适的版本下载（2）根据当前环境下的cuda和cudnn版本来确定tensorflow-gpu的版本目前环境下以安装好cuda和cudnn ①查看cuda版本cat /usr/local/cuda/version.txt②查看cudnn
转载
2024-02-26 17:18:03
190阅读
