tensorflow的版本哪个好 tensorflow用哪个版本
转载
一、说在前面
TensorFlow是一个基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于各类机器学习(machine learning)算法的编程实现,其前身是谷歌的神经网络算法库DistBelief。
Tensorflow拥有多层级结构,可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算,被广泛应用于谷歌内部的产品开发和各领域的科学研究。
二、选择版本
(1)选择CPU还是GPU
TensorFlow在安装时首先面临的就是版本选择的问题:CPU版还是GPU版?版本号选哪个
判断条件
| 结果
|
显卡是否NVIDIA系列?
| 是=GPU;否=CPU
|
若是NVIDIA系列,计算能力如何?
| 大于等于3.5=GPU;小于3.5=CPU
|
首先,查看自己电脑显卡的型号。如果显卡是NVIDIA系列的,继续下面步骤;如果显卡不是NVIDIA系列的,直接装CPU版。
右键我的电脑/属性/设备管理器/显示适配器,这是我的
然后,如果是NVIDIA系列的,则查询该显卡的计算能力。详见:查询显卡计算能力。点开自己显卡对应的系列,查看自己显卡的GPU计算能力(即,Compute Capability)。如下图,显卡NVIDIA GeForce RTX 1050对应的计算能力为6.1,可以使用GPU最后,到官网查询发布的GPU支持,查看硬件要求。本文查询时的标准是3.5(如下图)。如果计算能力≥3.5,可以装GPU版;相反<3.5的只能选择CPU版了。(2)选择版本号选择完GPU还是CPU就可以选择相应的版本号了,两个的区别就是运算速度的问题,通过看别人的博客感觉GPU的比较麻烦还是选择了CPU,怪我太懒T_T,如果有伙伴还是想要有更好的体验可以参考这篇博客。三、安装TensorFlow(我装的是CPU版本的)(1)进入Anaconda的Promot
(2)为TensorFlow创建虚拟环境
在promot里面输入 conda create -n tensorflow python=3.5
可以通过 conda info -e来查看自己创建的虚拟空间
(3)进入虚拟空间tensorflow
在promot里面输入 activate tensorflow,如果切换了就说明创建成功了、
我们要安装的是CPU版本,那么在命令下紧接着输入:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow
等安装完毕,就安装好了最新版本的Tensorflow
四、Jupyter Notebook打开某个虚拟环境
首先可以看一下自己在conda里面配置了哪些环境,使用conda env list
1.在cmd中切换到想要的环境,比如说tensorflow
2.在tensorflow环境中中安装好ipykernel
注意,如果用conda install ipykernel 安装不成功,就直接用pip install ipykernel安装即可
3.python -m ipykernel install --name tensorflow
执行完这个语句之后,会自动在目录【C:\ProgramData\jupyter\kernels】(类似)生成一个【adda】文件夹,里面有kernel.json文件
现在打开jupyter notebook,里面就会显示有这个虚拟环境了,然后将其kernel选择为该环境即可
至此,tensorflow的安装及其环境都配置好了,接下来就可以开开心心的撸码了,哈哈!!!
本文章为转载内容,我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题,欢迎原作者联系我们进行内容更正或删除文章。