保姆级手把手教你安装TensorFlow-GPU，避免坑安装TensorFlow-GPU（bb几句，大佬勿喷）检查自己的电脑是否能安装GPU版本的==好了，这里说一下，一定要看，一定要看，一定要看一定要看！！！！！四遍了哦！==anaconda开始安装tf-gpu完成之后，下载安装CUDA和CUDNN==其实最烦的是下载这一步== 我这里已经说了方法检测cuda的安装检测tf好了，到这里就结束 安
转载
2024-05-03 11:28:16
68阅读
正 文一、为什么要学Stable Diffusion，它究竟有多强大？1.Stable Diffusion能干嘛我相信大家在刷视频的时候，或多或少都已经看到过很多AI绘画生成的作品了那SD到底可以用来干什么呢？01.真人AI美女我们最常看到的就是这些真人AI美女的账号(我有一个朋友，每到晚上的时候，就很喜欢看这种视频)02.生成头像、壁纸以前很多人花钱去找别人定制自己独一无二的头像或者壁纸现在SD
文章目录0. Forward0.1 TF1和TF2软件包区别0.2 pip和conda安装区别0.3 版本对应关系0.3.1 TF 和cuda以及python版本对应关系0.3.2 cuda和Nvidia driver对应关系1. pip install1.1 纯pip安装1.2 pip和conda组合安装(推荐)2. conda install2.1 conda 配置 Tsinghua镜像2.2
目录云上深度学习实践（一）-GPU云服务器TensorFlow单机多卡训练性能实践云上深度学习实践（二）-云上MXNet实践1 背景 2015年11月9日，Google发布深度学习框架TensorFlow。Google表示，TensorFlow在设计上尤其针对克服其第一代深度学习框架DistBelief 的短板，灵活、更通用、易使用、更快，而且完全开源。在短短的一年时间内，在GitHub上，Te
转载
2024-06-11 22:24:49
32阅读
1.概述TensorFlow分布式是基于GRPC库实现的高性能集群训练框架，能有效的利用多机多卡资源，将大型的模型或者代码拆分到各个节点分别完成，从而实现高速的模型训练。如下图所示，tensorflow的分布式集群中存在的节点主要有两种：ps节点和worker节点，ps节点是用于保存和计算训练参数的节点；worker节点是用于训练的节点。由于ps和worker节点都有可能存在多个，因此ps和wor
转载
2024-04-01 13:12:03
27阅读
**基于Tensorflow 2.X安装Object Detection API（Win 10 平台）Tensorflow平台是谷歌开发并推出的一套开源软件库，是一套专门用于机器学习的平台。经过多年来的版本迭代更新和无数机器学习相关的研究人员的维护和贡献，Tensorflow已经推出了第二个大版本更新，即Tensorflow 2.0。而随着这个大版本的推出，其中常用的目标检测模块的安装也产生了一些
转载
2024-04-24 15:35:51
130阅读
机器学习/深度学习模型可以通过不同的方式进行预测。 我的首选方法是将分析模型直接部署到流处理应用程序（如Kafka Streams或KSQL ）中。 您可以例如使用TensorFlow for Java API 。 这样可以实现最佳延迟和外部服务的独立性。 在我的Github项目中可以找到几个示例： 使用TensorFlow，H2O.ai，Deeplearning4j（DL4J）在Kafka
转载
2024-08-06 21:21:45
38阅读
我在“ 机器学习+ Kafka Streams示例 ” Github项目中添加了一个新示例： “ Python + Keras + TensorFlow + DeepLearning4j + Apache Kafka + Kafka流 ”。 这篇博客文章讨论了动机以及为什么这是可扩展的，可靠的机器学习基础设施技术的完美结合。 有关利用Apache Kafka开源生态系统构建机器学习/深度
转载
2024-05-06 15:16:00
35阅读
ResNet模型在GPU上的并行实践TensorFlow分布式训练：单机多卡训练MirroredStrategy、多机训练MultiWorkerMirroredStrategy4.8 分布式训练当我们拥有大量计算资源时，通过使用合适的分布式策略，我们可以充分利用这些计算资源，从而大幅压缩模型训练的时间。针对不同的使用场景，TensorFlow 在 tf.distribute.Strategy`中为
转载
2024-08-01 07:49:56
286阅读
我的环境：Win10 + Anaconda + tensorflow-gpu1.14 + CUDA10.0 + cuDNN7.6 + python3.6注意：tensorflow版本、CUDA版本、cuDNN版本和python版本是一一对应的。一、确定自己需要和可以安装的版本 1.查看自己的电脑是否支持搭建GPU环境和适合的CUDA版本控制面板 -> 设备管理器 -> 显示适配器，检
写在前面：学习者的3个阶段：第一类学习者把书本当权威，认为很多事都有唯一正确答案；第二类学习者有一种“把知识转化为能力”的能力；第三类层次更高的学习者，被称为“学习促进者”。这类人除了自己学习能力强，还能教会别人深刻掌握知识。所以在这里写下自己在分布式训练学习过程中的笔记与各位读者分享，希望借此机会也能提高自己，争取做一位“学习促进者”。本篇文章作为入门简单介绍一些基础概念，力求简洁明确，如有不准
NVIDIA DLI 深度学习入门培训 | 特设三场！！ 4月28日/5月19日/5月26日 正文共7797个字，13张图，预计阅读时间18分钟。本篇文章有2个topic，简单的分类器和TensorFlow。首先，我们会编写函数生成三种类别的模拟数据。第一组数据是线性可分的，第二种是数据是月牙形数据咬合在一起，第三种是土星环形数据。每组数据有两个类型，我们将分别建立模型，对每组数
转载
2024-05-27 10:24:32
50阅读
1 安装msys2msys2是一个在Windows上的Linux虚拟环境，在Linux上写的程序，可以使用msys2编译为Windows上的exe或者dll。 在msys2官网上下载msys2程序：下载链接。 下载完成后进行安装，安装成功后将安装目录C:\msys64和安装目录下的usr/bin目录C:\msys64\usr\bin添加到系统环境变量path中 以管理权限打开cmd，依次安装msy
Python安装 一定要安装64位的python，否则无法安装tensorflow 在安装时一定要勾选path 勾选这个选项之后，点击安装，安装完成后，在命令行运行python,得到如下结果则表示安装成功。 但有些时候我们会出现“python不是内部命令或外部命令，也不是可执行程序解决方案”的问题，那么我们如何解决呢？下面提供了解决方法。 选中我的电脑，点击属性 点击高级系统设置，再点击环境变量
转载
2024-03-19 20:33:29
44阅读
导入tensorflow，这将导入 TensorFlow 库，并允许使用其精彩的功能：
import tensorflow as if由于要打印的信息是一个常量字符串，因此使用 tf.constant：
message = tf.constant('Welcome to the exciting world of Deep Neural Networks!')为了执行计算图，利用 with 语句定
转载
2023-06-30 18:32:45
75阅读
TensorFlow是机器学习中使用很多的一个框架，最近开始学习TensorFlow，记录一下安装的过程。一、TensorFlow的安装Python的安装此处不再赘述。在装好Python和pip的前提下(笔者Python的版本为3.7)，首先“win+R”输入“cmd”打开命令提示符。输入pip install tensorflow,此时pip开始下载TensorFlow，这一步时间可能较长，请耐
转载
2024-04-12 04:50:35
305阅读
摘要：本文将继续讲解张量的合并与分割，范数统计，张量填充，限幅等进阶操作。1、合并与分割1.1 合并合并就是将若干个张量在某一个维度上组合成一个张量。例如【2,5,8】和【3,5,8】组合成为【5,5,8】。合并的方式有两种拼接和堆叠，前者不会产生新的维度，后者会产生新的维度。1.1.1 拼接通过tf.concat(tensors, axis)，其中tensors 保存了所有需要合并的张量List
转载
2024-07-31 16:29:31
26阅读
文 | Google 工具和基础架构软件工程师 Shanqing Cai我们怀着激动的心情与大家分享 TensorFlow 调试程序 (tfdbg)，这个工具可以简化 TensorFlow 中对机器学习 (ML) 模型的调试。TensorFlow 是 Google 的开源 ML 内容库，基于数据流图表。一个典型的 TensorFlow ML 程序包括两个独立的阶段：利用内容库的 Python AP
转载
2024-03-23 20:12:52
33阅读
1、tensorflow的基本运作为了快速的熟悉TensorFlow编程，下面从一段简单的代码开始： 1 import tensorflow as tf
2 #定义‘符号’变量，也称为占位符
3 a = tf.placeholder("float")
4 b = tf.placeholder("float")
5
6 y = tf.mul(a, b) #构造一个op节点
7
转载
2024-05-10 22:47:20
67阅读
瓦砾上一篇讲了单机多卡分布式训练的一些入门介绍，后面几篇准备给大家讲讲TensorFlow、PyTorch框架下要怎么实现多卡训练。这一篇就介绍一下TensorFlow上的分布式训练，尽管从传统的Custom Training Loops到Estimator再到Keras，TF的API换来换去让人猝不及防，但是由于种种原因，TensorFlow还是业务上最成熟的框架，所以Let's还是do it。
转载
2024-06-24 07:40:40
57阅读
