在Windows中安裝Tensorflow和Kears深度學習框架

2021-01-07 深度學習生態圈

1安裝Anaconda

1.1 下載Anaconda

先打開瀏覽器,輸入下列網址,顯示出如圖3-1所示的網頁:

https://www.anaconda.com/download/

圖 3-1

1.2 運行下載後的Anaconda,如圖3-2所示:

圖 3-2

1.3.單機Next按鈕,如圖3-3示。

圖 3-3

1.4.單機I Agree按鈕,如圖3-4所示:

圖 3-4

1.5. 單機Next按鈕,如圖3-5所示:

圖 3-5

1.6.設置安裝目錄,如圖3-6所示:

圖 3-6

1.7 設置Anaconda,如圖3-7所示:

圖3-7

2. 建立Tensorflow的Anaconda虛擬環境

在一臺計算機中,我們常常需要安裝很多軟體,但是每個軟體所需要的Python的關聯模塊或版本不相同。例如,我們要使用Python開發開發網站系統,安裝的網站框架可能需要Python2.X的版本,但是安裝Tensorflow需要Python3.5的版本,此時就會發生版本不一致的問題。因為我們需要使用Anaconda虛擬環境來安裝,讓網站框架與TensorFlow分別在不同的虛擬環境中,這樣就不會有版本不一致的問題了。

2.1. 建立工作目錄

在命令提示符串口輸入下列命令:

建立並切換到工作目錄 md pythonwork

cd pythonwork

執行後屏幕顯示界面如圖3-8所示:

圖 3-8

2.2 建立Anaconda虛擬環境

下面使用conda命令建立一個新的Python3.5Anacoda虛擬環境,我們將虛擬環境命名為tensorflow。這個虛擬環境用來安裝TensorFlow的版本。在命令提示符窗口輸入下列命令:

建立Tensorflow Anaconda虛擬環境 conda create --name tensorflow python=3.5 anaconda

執行後屏界面顯示如圖3-9所示。

圖 3-9

按Y鍵之後,就會開始安裝Anaconda 虛擬環境,並且安裝各個軟體包。安裝完成後屏幕界面如圖3-10所示。

圖 3-10

2.3 啟動Anaconda虛擬環境

建立tensorflow的Anaconda虛擬環境後,就可以啟動這個虛擬環境了。在命令提示符窗口輸入下列命令:

啟動Anaconda虛擬環境 activate tensorflow

圖 3-11

命令提示符中出現tensorflow時,表名已經啟動tensorflow虛擬環境。

3.在Anaconda虛擬環境安裝Tensorflow與Keras

3.1 啟動Anaconda虛擬環境

安裝Tensorflow與keras前,先啟動Tensorflow的Anaconda虛擬環境。在命令提示符窗口輸入下列命令:

啟動Anaconda虛擬環境

acitvate tensorflow

3.2 安裝Tensorflow

在命令提示符窗口輸入下列命令:

- 安裝Tensorflow命令 pip install tensorflow

執行後屏幕顯示界面如圖3-12所示:

圖 3-12

3.3 安裝Keras

在命令提示符窗口輸入下列命令:

- 安裝Tensorflow命令 pip install keras

執行後屏幕顯示界面如圖3-13所示:

圖 3-13

出現上述界面時,表明tensorflow和Keras已經在虛擬環境中安裝成功。

本節中我們介紹了如何在Windows中安裝TensorFlow與Keras,並且介紹了Jupyter Notebook的使用方法。

相關焦點

  • 用GPU加速深度學習: Windows安裝CUDA+TensorFlow教程
    背景在Windows上使用GPU進行深度學習一直都不是主流,我們一般都首選Linux作為深度學習作業系統。但很多朋友如果只是想要了解深度學習,似乎沒有必要專門裝雙系統或者改用Linux。現實生活中,很多使用學校或者公司電腦的朋友也沒有操作權限改換系統。那麼到底是否可以在Windows系統上設置深度學習框架,開發深度學習模型呢?
  • TensorFlow與PyTorch之爭,哪個框架最適合深度學習
    選自builtin作者:Vihar Kurama機器之心編譯參與:吳攀、杜偉谷歌的 Tensorflow 與 Facebook 的 PyTorch 一直是頗受社區歡迎的兩種深度學習框架。那麼究竟哪種框架最適宜自己手邊的深度學習項目呢?
  • 【阿星的學習筆記(1)】如何在windows安裝Theano +Keras +Tensorflow並使用GPU加速訓練神經網路
    本篇文章介紹如何安裝Theano 及Keras, Tensorflow深度學習的框架在windows環境上,並快速的使用Keras的內建範例來執行人工神經網絡的訓練。之前也有實作Tensorflow 及caffe在VM+ubuntu16.04環境安裝的經驗,甚至安裝在NVIDIA的Jetson TX1 的慘痛經驗XD(雖然後來也是有安裝成功)。
  • 人工智慧學習入門之TensorFlow2.2版本安裝(Windows10)
    最新版本的TensorFlow不僅支持Linux作業系統,而且可以支持MacOS和Windows,今天我們就介紹一下如何在Windows10上安裝TensorFlow。為了後續便於學習,本文安裝的Tensorflow是基於Anaconda的,因此需要先安裝Anaconda。Anaconda是一個Python的發行版。這就好像CentOS是Linux內核的一個發行版一樣。
  • TensorFlow 2.X,會是它走下神壇的開始嗎?|tensorflow|深度學習|...
    我們再去討論深度學習框架,吐槽它們的體驗,會不會有點過時?並不會,新模型與新算法,總是框架的第一生產力。  從 Theano 一代元老,到 TensorFlow 與 PyTorch 的兩元世界,到現在各個國產框架與工具組件的興起。深度學習框架,總是跟隨前沿 DL 技術的進步而改變。
  • 谷歌深度學習框架TensorFlow 1.0 正式發布,更快更穩定
    而此次最新發布的TensorFlow 1.0毫無疑問又帶來了眾多創新:更快,TensorFlow 1.0 運行速度又得到進一步加快,XLA 為未來性能提升奠定了基礎,而且 tensorflow.org 新提供「tips & tricks」可以指導用戶對模型進行微調以實現最大速度。
  • 深度學習:盤點全球的深度學習框架「Tensorflow、Pytorch」勝出
    深度學習在人工智慧技中的表現尤為的突出,想要學習深度學習,首先需要掌握一個有效的深度學習框架,這篇文章將盤點目前全球流行的深度學習框架,從框架的流行程度、應用場景出發,來提高大家對深度學習框架的認識。一、TensorFLow框架Tensorflow由Google在2015年11月發布,是一個相對比較成熟完善的深度學習框架,Tensorflow採用符號式編程。
  • 數字圖片分類實例--玩轉R中的Tensorflow
    Tensorflow in R 系列,將分享如何使用R語言在Tensorflow/Keras 框架中訓練深度學習模型。
  • 基於RTX2060構建TensorFlow-gpu(keras)學習平臺
    開始菜單運行anaconda navigator檢查是否安裝了notebook(默認有安裝)三、安裝tensorflow/keras在激活的環境中安裝:1. 如果機器上有gpu,則安裝gpu版本,沒有GPU就安裝cpu版。版本問題,現在TensorFlow到了最新的2.0.0版本,但是很多函數不兼容1.**版本。
  • 基於TensorFlow2.0的中文深度學習開源書來了!GitHub趨勢日榜第一
    近日,一個叫做深度學習開源書的項目在火了。GitHub趨勢日榜排名全球第一,已斬獲2K+星。為什麼這麼火?因為這是一本基於TensorFlow 2.0 正式版的中文深度學習開源書。還包含電子書和配套原始碼。話不多說,一起來看看這本爆款書籍吧!深度學習開源書介紹這本書共包含15個章節。
  • Win10安裝GPU版本的Tensorflow 2.1
    日期:2020年10月17日首先,下載Anaconda個人版,最新版本是3.7,安裝的時候推薦把Anaconda添加到系統環境變量中。1,創建envs環境conda create -n tf2.1 python==3.72,進入envs環境conda activate tf2.13,安裝cuda和cudnnconda install cudatookit=10.1conda install cudnn=7.64,安裝tensorflowpip install tensorflow
  • 觀點| 別再使用pip安裝TensorFlow了!用conda吧~
    該庫帶來了巨大的性能提升,詳見下圖:圖源:https://www.anaconda.com/blog/developer-blog/tensorflow-in-anaconda/如上所示,與 pip 安裝相比,conda 安裝可以帶來超過 8 倍的速度提升。這對於經常使用 CPU 進行訓練和推斷的人來說非常棒!
  • TensorFlow 2.0開源工具書,30天「無痛」上手
    雖說是「僅用 30 天即可掌握 TensorFlow 2.0」,但學習這個教程也需要一定的知識儲備作為前提。本書要求讀者具備一定的機器學習和深度學習理論基礎,同時使用過 Keras、Tensorflow1.0 或者 PyTorch 搭建訓練過模型。如果沒有任何基礎怎麼辦?
  • 如何在AMD的GPU上運行TensorFlow?
    對於 AMD 正在進行的深度學習加速工作而言,這是一座重大的裡程碑。 ROCm 即 Radeon 開放生態系統 (Radeon Open Ecosystem),是我們在 Linux 上進行 GPU 計算的開源軟體基礎。而 TensorFlow 實現則使用了 MIOpen,這是一個適用於深度學習的高度優化 GPU 例程庫。
  • TensorFlow 攜手 NVIDIA,使用 TensorRT 優化 TensorFlow Serving...
    TensorFlow 在官方博客中對這項成果進行了發布,雷鋒網 AI 科技評論編譯如下。TensorFlow Serving 是應用於機器學習模型的靈活的高性能服務系統,而 NVIDIA TensorRT 則是一個用以實現高性能深度學習推理的平臺,將二者相結合後,用戶可以輕鬆地實現最佳性能的 GPU 推理。
  • 一文上手最新Tensorflow2.0系列|TensorFlow2.0安裝
    本文中我們將會詳細講解TensorFlow2.0安裝。Tensorflow兼容性最好的是Unix內核的系統,如Linux,MacOS等。另外TensorFlow的GPU版本僅支持Linux環境,不支持Windows和Mac環境,因此本文僅針對Linux系統環境。我們會統一使用Anaconda,在Mac和Windows下安裝的過程也較為簡單,讀者可以自行參考其官方文檔。
  • 如何提升Tensorflow服務性能
    Tensorflow已經成長為事實上的機器學習(ML)平臺,在業界和研究領域都很流行。對Tensorflow的需求和支持促成了大量圍繞訓練和服務機器學習(ML)模型的OSS庫、工具和框架。Tensorflow服務是一個構建在分布式生產環境中用於服務機器學習(ML)模型的推理方面的項目。今天,我們將重點討論通過優化預測伺服器和客戶機來提高延遲的技術。
  • 技術乾貨|tensorflow-gpu 1.4詳細安裝教程
    ://github.com/tensorflow/tensorflow/releases  2.  1.確定版本  TensorFlow GitHub 頁面查看依賴的版本:  https://github.com/tensorflow/tensorflow/releases  2.下載  下載地址:  https://developer.nvidia.com/cudnn  3.安裝
  • TensorFlow 2.0正式版官宣!深度集成Keras
    為了提高易用性,TensorFlow 2.0進行了許多修改,如取消了一些被認為是多餘的API,並緊密集成和依賴tf.keras作為中央高級API。TensorFlow與Keras深度學習庫的集成化最初始於2017年2月發布的TensorFlow1.0,本次更新讓二者的集成程度進一步提高。
  • tensorflow2.1對應 GPU版本的安裝與卸載
    GTX965M顯卡,win10系統一、檢查tensorflow的Version假定tensorflow 安裝完成,安裝 tensorflow 請參考 集成環境,安裝超簡單>通過 命令行pythonimport tensorflow as tftf.