TensorFlow的環境配置與安裝

2021-02-20 深度學習科研平臺
一、 簡介

TensorFlow是一個基於數據流編程(dataflow programming)的符號數學系統,被廣泛應用於各類機器學習(machine learning)算法的編程實現,其前身是谷歌的神經網絡算法庫DistBelief。
Tensorflow擁有多層級結構,可部署於各類伺服器、PC終端和網頁並支持GPU和TPU高性能數值計算,被廣泛應用於谷歌內部的產品開發和各領域的科學研究 。
TensorFlow由谷歌人工智慧團隊谷歌大腦(Google Brain)開發和維護,擁有包括TensorFlow Hub、TensorFlow Lite、TensorFlow Research Cloud在內的多個項目以及各類應用程式接口(Application Programming Interface, API) [2] 。自2015年11月9日起,TensorFlow依據阿帕奇授權協議(Apache 2.0 open source license)開放原始碼 。

TensorFlow即可以支持CPU,也可以支持CPU+GPU。前者的環境需求簡單,後者需要額外的支持。

如果要安裝GPU版本(有N卡,即NVIDIA顯卡),需要以下額外環境:

0)有支持CUDA計算能力3.0或更高版本的NVIDIAGPU卡。

1)下載安裝CUDA Toolkit 8.0,並確保其路徑添加到PATH環境變量裡;

2)下載安裝cuDNN v6或v6.1,並確保其路徑添加到PATH環境變量裡;

3)CUDA8.0相關的NVIDIA驅動。

二、安裝

1.檢查Anaconda是否成功安裝:conda --version

2.檢測目前安裝了哪些環境:conda info --envs

3.檢查目前有哪些版本的python可以安裝:conda search --full-name python

4.安裝不同版本的python:conda create --name tensorflow python=3.7


5.按照提示,激活之:activate tensorflow

6.確保名叫tensorflow的環境已經被成功添加:conda info --envs

7.檢查新環境中的python版本:python --version

8.退出當前環境:deactivate

三、TensorFlow安裝

pip install tensorflow

驗證是否安裝成功:有三種方式
(1)直接在cmd中依次輸入python
然後鍵入
import tensorflow as tf
hello = tf.constant(『Hello tensorfolw』)
sess = tf.Session()
print(sess.run(hello))

結果:b』Hello tensorfolw』,則安裝成功。

(1)在anaconda中的applications on 中選擇TensorFlow,然後launch Spyder

進入Spyder之後,輸入上面的代碼,然後點擊run.如在console中出現如下輸出b』Hello tensorfolw』,則安裝成功。

(3)在pycharm中輸入一下內容:

import tensorflow as tf

hello = tf.constant('Hello tensorfolw')
sess = tf.Session()
print(sess.run(hello))

如無誤也會出現一下內容

相關焦點

  • Windows配置tensorflow開發環境
    通過這篇文章,希望能夠幫助大家更加順利地配置tensorflow的開發環境。如果出現錯誤,可能是在安裝tensorflow的時候,沒有在conda激活的環境下,導致tensorflow沒有直接嵌入到conda環境中。
  • 那些年配置tensorflow-GPU環境的坑
    今天的主題是在筆記本上配置tensorflow的GPU環境,介紹安裝的相關流程及注意點,保證一學就費。【配置】:win10+python 3.7+tensorflow2.0.0+Cuda 10.0+Cudnn 7.6.5+GTX 1650【安裝思路】:0.主要是弄清自己的版本、自己需要裝的版本1.
  • 機器學習算法環境配置之Tensorflow篇
    那麼,學習第一步就是相關環境的配置咯記得當時我可是花了一天的時間仔細研究才將環境配置好,必須將其總結下來,希望有利於大家的學習科研Python3.6+Tensorflow1.13安裝筆記,使用環境window10,編譯器vscode=================================tensorflow最新版已經2.0以上了,但是不兼容以下的版本;復現他人論文的算法,論文中的環境基本都是2.0版本以下;github中大家分享的機器學習代碼中大多數都是
  • TensorFlow 安裝手冊 — 使用 pip 安裝 TensorFlow
    可用安裝包tensorflow — 僅限 CPU 的當前版本(推薦給初學者)tensorflow - gpu — 支持 GPU 的當前版本(Ubuntu 和 Windows)tf - nightly — Nightly 僅為 CPU 構建(不穩定)tf - nightly - gpu — 使用 GPU
  • 深度學習環境配置指南:Pytorch、TensorFlow、Keras
    導讀本文介紹了作者使用RTX3090進行深度學習環境配置pytorch、tensorflow、keras等的詳細過程及代碼。筆者中山大學研究生,醫學生+計科學生的集合體,機器學習愛好者。最近剛入了3090,發現網上寫的各種環境配置相當混亂而且速度很慢。所以自己測了下速度最快的3090配置環境,歡迎補充!
  • TensorFlow 安裝教程
    並且,Anaconda還能創建自己的計算環境,相當於將tensorflow的環境與其他環境做了隔離,這樣你就可以將tensorflow隨便玩,愛怎麼玩怎麼玩,也不用擔心破壞之前的環境! 如果是玩數據玩ML的同學,如果你還不知道Anaconda,你就out啦!Anaconda是一個基於python的科學計算平臺,這個平臺裡包含有python,r,scala等絕大部分主流的用於科學計算的包。
  • 手把手教你在windows7上安裝tensorflow-gpu開發環境
    3、安裝tensorflow-gpu版本anaconda中已經內置了pip,所以選擇直接用pip進行安裝:pip install --upgrade https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-0.12.0-cp35-cp35m-win_amd64.whl
  • RTX 3090 的深度學習環境配置指南:Pytorch、TensorFlow、Keras
    導讀本文介紹了作者使用RTX3090進行深度學習環境配置pytorch、tensorflow、keras等的詳細過程及代碼。筆者中山大學研究生,醫學生+計科學生的集合體,機器學習愛好者。最近剛入了3090,發現網上寫的各種環境配置相當混亂而且速度很慢。所以自己測了下速度最快的3090配置環境,歡迎補充!
  • tensorflow的安裝
    創建名為tensorflow的環境,同時安裝python,在 Prompt 中輸入:conda create --name tensorflow python=3.6;有選擇的時候選擇y;3. 在 Prompt 中輸入:activate tensorflow 激活tensorflow環境。
  • RTX 3090的深度學習環境配置指南:Pytorch、TensorFlow、Keras
    最近剛入了3090,發現網上寫的各種環境配置相當混亂而且速度很慢。所以自己測了下速度最快的3090配置環境,歡迎補充!從https://developer.nvidia.com/rdp/cudnn-download下載cudnn,解壓後進入cuda/lib64路徑下,把裡面所有文件拷入對應虛擬環境(exp38)的lib中(6)裝tf2.5(不要裝tensorflow-gpu==2.4.0rc0,會報錯'NoneType' object
  • linux下tensorflow安裝
    使用pip從二進位文件安裝注意:最新版本的二進位文件連結地址,可以通過TensorFlow官網獲取 https://www.tensorflow.org/install/install_linux請安裝最新版的pip,或者使用pip install –upgrade pip來進行更新如果安裝GPU版本,請確認已經提前安裝配置好CUDAPython
  • 【先導篇】Anaconda3+tensorflow2.0.0+PyCharm安裝與環境搭建
    (2)使用canda創建一個虛擬環境(3)激活環境(進入這個虛擬環境)(4)繼續在這個虛擬環境下,安裝相應版本的tensorflowcpu版本:pip install tensorflow==2.0.0gpu版本
  • Ubuntu 18.04 深度學習環境配置指南:TensorFlow、Keras、PyTorch 簡易安裝
    /bin/g++ g++ /usr/bin/g++-5 506.安裝Anaconda和tensorflow、keras和pytorch重點:讓conda自動安裝cuda和cudnn!!!中安裝TensorFlow GPU 1.9conda install tensorflow-gpu==1.9將會自動安裝:cuda,cudnn以及相關的其他組件5)使用下列代碼測試安裝正確性命令行輸入:source activate tfpythonPython命令下輸入以下代碼:
  • 9步教你安裝完成tensorflow與pytorch
    配置鏡像源,打開後,可以看到現在是base環境,就是安裝完anaconda之後的自帶環境(⾸先進⾏鏡像源的配置,因為咱們⼤部分⼩夥伴在國內,但是tensorflow和pytorch卻在國外,為了防⽌下載的時候出現⽹絡問題,所以需要配置
  • TensorFlow環境搭建
    今天這篇文章,我們就先學習如何在Windows、Linux上搭建開發環境。1. 安裝Python環境進入官網,根據個人電腦系統選擇合適的發行版本進行安裝,以下是兩點提示:下載好之後進行安裝的時候,記住勾選Add Python 3.x to PATH可選項。
  • 手把手教你安裝Tensorflow GPU版本
    tensorflow-gpu+電腦win10+gtx1050ti顯卡配置心得       這裡建議使用CUDA8.0的版本,因為小編之前下載安裝了一個CUDA9.0的版本,好像是不能用的哦。之後打開Anaconda Prompt      檢查目前有哪些版本的python可以安裝:conda search --full-name python       創建一個名為tensorflow-gpu的anaconda環境,配置python3.5,之所以選擇3.5的,是因為看的一些博主也是用3.5的,其實也可以用3.6的,因為有對應的tensorflow的版本,小編也是之後才知道的
  • 【機器學習Tensorflow實踐】Tensorflow安裝及繪製航道散點雲圖(二)
    Tensorflow安裝安裝python環境和tensorflow環境,利用anaconda集成環境是非常好的一種方法。
  • 【AI實戰】基礎環境搭建(Ubuntu+conda+tensorflow+GPU+PyCharm)
    另外,使用Anaconda還能創建虛擬環境,這樣就能很方便地在同個電腦上使用Python 2.x、Python 3.x,tensorflow-cpu、tensorflow-gpu,相互之間不受影響,非常方便。
  • Tensorflow + PyCharm
    基於 Anaconda 的安裝Anaconda 是一個集成許多第三方科學計算庫的 Python 科學計算環境,Anaconda 使用 conda 作為自己的包管理工具,同時具有自己的計算環境,類似 Virtualenv.和 Virtualenv 一樣,不同 Python 工程需要的依賴包,conda 將他們存儲在不同的地方。
  • Win10安裝GPU版本的Tensorflow 2.1
    安裝目錄選擇默認配置就好,點下一步等等就安裝完成了。下載安裝,cuda 10.1對應的cudnn 7.6版本。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=7.6