【TensorFlow】P1 学习 TensorFlow 准备工作

基本操作

检查你的 TensorFlow 安装情况

import tensorflow as tf
print(tf.__version__)

GPU 安装 Tensorflow

pip install --upgrade pip
pip install tensorflow-gpu==2.4.0
# 注意 tensorflow-gpu的版本根据CUDA版本来选择

tensorflow-gpu==version 版本对照 CUDA 选择：

CPU 安装 Tensorflow

该视频为帝国理工大学 TensorFlow2.0 课程推荐使用 Ubuntu 虚拟机 Docker 容器：
https://www.coursera.org/learn/getting-started-with-tensor-flow2/lecture/wCNhx/coding-tutorial-running-tensorflow-with-docker

Google Colab

Google Colab: https://colab.research.google.com/

Google Colab 的优势在于用户通过网络，无需安装PyCharm以及各种包，比如TensorFlow，更无需因为包版本问题导致出现的各种问题。而对于苹果用户而言，更是佳音，因为Colab直接搭配GPU，所以在训练时可以大大缩减只有CPU的苹果设备所需的时间。

甚至你可以在火车上，飞机上，使用便携式设备，比如IPad Pro，搭配键盘，训练神经网络。

Colab 的一些基本操作

# 导入tensorflow
import tensorflow as tf

# 安装tensorflow2.11.0版
!pip install tensorflow==2.11.0 

# 连接到Google云端硬盘上
from google.colab import drive
drive.mount('gdirve')

一种快速从 tf1 代码更新为 tf2 代码的方法

TensorFlow 提供一种快速从 tf1 转换到 tf2 的方法：

tf_upgrade_v2 --infile xxx_tf1.py --outfile xxx_tf2.py

视频链接：https://www.coursera.org/learn/getting-started-with-tensor-flow2/lecture/YZn5X/upgrading-from-tensorflow-1
视频说明：仅用于学习，版权归帝国理工大学与Coursera所有

附录：TensorFlow Documentations: https://www.tensorflow.org/api_docs/python/tf

---

确保拥有一种方式可以使用 tensorflow，本节博客内容到此；博客P2内容为Keras