安装Tensorflow-gpu==1.13.1 查看Tensorflow版本 国内镜像 体验识别数子
感受:
终于安装好了,非常的开心,因为以前用的是TF2,有些新的API和模块有改动,作为初学者的小白,无从下手,所以听从前辈的建议安装Tensorflow,使用的方法是pip在线安装,最好用国内镜像安装,会快捷稳定很多,内含安装cpu版本的指令,安装cpu版本后无需再进行后面的所有步骤了!!!个人建议安装GPU版本的
步骤 | 内容 |
---|---|
* | 使用国内镜像源安装(强力推荐) |
1 | 安装 |
2 | 继续安装 |
3 | 坚持就是胜利 |
4 | 测试并体验深度学习的快乐 |
*,使用国内镜像源安装(强力推荐)
如果用了这个方法,那么步骤1-3都可以不看了,因为这个放法下载非常快!
先安装Anaconda:详细教程
安装了Anaconda后就可以使用pip命令、来进行包管理了
在cmd窗口中输入以下指令:
GPU版本
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.13.1
CPU版本:
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.13.1
安装好后再输入同样的指令会出现以下信息输出,表明安装完毕,可用步骤4进行测试是否能使用。
一,安装
在cmd窗口下输入:
pip install tensorflow-gpu==1.13.1
如果不想安装gpu版本则使用以下命令:
```powershell
pip install tensorflow==1.13.1
```
此方法安装成功后就不用进行后面的所有步骤了,因为CUDA和Cudnn是为了tensorflow使用GPU服务的
这种安装方法使用的是外国的pypi,具体我也不懂,网速传输会被限制就对了,因为在线安装会受到网络的影响,所以在安装的时候尽量保证网络的畅通不间断,不然经常报错,小白我今晚使用东莞free-wifi坚持安装了两次,终于安装好了!开心!
二,继续安装
若安装成功再次输入在线安装指令时,会显示如上两图的输出;
若继续报错,也不用气馁,在输入一次,等它安装,保持网络畅通
三,坚持就是胜利
直到显示如步骤一中的图为止,实在不行就凌晨安装,成功几率可能大些
四,测试
1,打开Spyder3
2,键入以下代码
import tensorflow as tf %emm,导入tensorflow模块另取名为tf,以方便使用
a = tf.__version__ %变量a赋值为tf的版本信息
print(a) %打印输出
3,看输出
我们还可以尝试调用tf1的API体验到深度学习的快乐,这里用前辈写好的例程体验下,代码如下:
# -*- coding: utf-8 -*-
"""
Created on Wed May 31 20:09:17 2017
@author: 代码医生
@blog:http://blog.csdn.net/lijin6249
"""
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("MNIST_data/", one_hot=True)
print ('输入数据:',mnist.train.images)
print ('输入数据打shape:',mnist.train.images.shape)
import pylab
im = mnist.train.images[1]
im = im.reshape(-1,28)
pylab.imshow(im)
pylab.show()
print ('输入数据打shape:',mnist.test.images.shape)
print ('输入数据打shape:',mnist.validation.images.shape)
这表明我们成功使用tf1的mnist数据集进行了训练!
结束语:在线安装东西,网络是关键!
总文:小白对这些软件的抽象理解